予後事象時間モデルの評価と選択のためのコンコーダンスインデックスに関する実用的な視点

生物医学的応用のための予後モデルを開発するには、通常、予測される事象を経験する可能性のあるリスクの尺度に個人の共変量のセットをマッピングする必要があります。 しかし、多くのシナリオ、特に有害な病理学的転帰を含むシナリオは、これらのイベントのタイミングとその確率を明示的に考慮することによって、よ その結果、これらの場合、従来の分類または順位付けの指標は、モデルの評価または選択を知らせるには不十分である可能性がある。 この制限に対処するには、生存分析の文脈で問題を再構成し、代わりに予測されたリスクスコアが観測された一連の事象をどれだけうまく記述するかを要約するコンコーダンスインデックス（C-index）に頼るのが一般的である。 しかし、C-indexの実質的に意味のある解釈は、いくつかの困難と落とし穴を提示する可能性があります。 具体的には、私たちは二つの主要な問題を特定します：i）C-インデックスは、暗黙的に、そして微妙に、時間に依存している、とii）リスクが誤って予測された被験者の数との関係は簡単ではありません。 これらの2つの側面を考慮しないと、評価プロセスに望ましくないバイアスと望ましくないバイアスが導入され、最適でないモデルの選択さえも したがって、ここでは、これらの困難にもかかわらず、意味のある解釈を得る方法について議論する。 C-indexに精通しているかどうかにかかわらず、実験者を支援することを目的として、最も人気のある推定器の入門レベルの提示から始め、後者の時間依存性を強調し、それがモデル選択を知らせるためにどのように正しく使用されるかを示唆します。 また、正しいリスク予測の数に関するC-indexの非線形性にも対処し、c-indexの改善または悪化の解釈と定量化を容易にする単純化されたフレームワークを精緻化した。