Cách thực hiện phân tích ROC trong R với mô hình Cox

Tôi đã tạo ra một vài mô hình hồi quy Cox và tôi muốn xem các mô hình này hoạt động tốt như thế nào và tôi nghĩ rằng có lẽ đường cong ROC hoặc thống kê c có thể hữu ích tương tự như bài viết này sử dụng:

JN Armitage och JH van der Meulen, xác định tỷ lệ mắc bệnh ở bệnh nhân phẫu thuật sử dụng dữ liệu hành chính với Đại học Phẫu thuật Hoàng gia Charlson Score, Tạp chí Phẫu thuật Anh, tập. 97, số 5, ss. 772-781, Thiếu tá 2010.

Armitage đã sử dụng hồi quy logistic nhưng tôi tự hỏi liệu có thể sử dụng mô hình từ gói sinh tồn hay không, survivalROC đưa ra gợi ý về điều này là có thể nhưng tôi không thể tìm ra cách để nó hoạt động với hồi quy Cox thông thường.

Tôi sẽ biết ơn nếu ai đó chỉ cho tôi cách thực hiện phân tích ROC trong ví dụ này:

library(survival)
data(veteran)

attach(veteran)
surv <- Surv(time, status)
fit <- coxph(surv ~ trt + age + prior, data=veteran)
summary(fit)

Nếu có thể tôi sẽ đánh giá cao cả đầu ra c-statics thô và một biểu đồ đẹp

Cảm ơn!

Cập nhật

Cảm ơn bạn rất nhiều vì câu trả lời. @Dwin: Tôi chỉ muốn chắc chắn rằng tôi đã hiểu nó ngay trước khi chọn câu trả lời của bạn.

Tính toán theo tôi hiểu theo gợi ý của DWin:

library(survival)
library(rms)
data(veteran)

fit.cph <- cph(surv ~ trt + age + prior, data=veteran, x=TRUE, y=TRUE, surv=TRUE)

# Summary fails!?
#summary(fit.cph)

# Get the Dxy
v <- validate(fit.cph, dxy=TRUE, B=100)
# Is this the correct value?
Dxy = v[rownames(v)=="Dxy", colnames(v)=="index.corrected"]

# The c-statistic according to the Dxy=2(c-0.5)
Dxy/2+0.5

Tôi không quen với chức năng xác nhận và bootstrapping nhưng sau khi xem prof. Câu trả lời của Frank Harrel ở đây trên R-help Tôi đoán rằng có lẽ đó là cách để có được Dxy. Trợ giúp để xác nhận trạng thái:

... Mối tương quan xếp hạng Dxy của Somalia được tính toán ở mỗi mẫu lại (quá trình này mất nhiều thời gian hơn so với thống kê dựa trên khả năng). Các giá trị tương ứng với hàng Dxy bằng 2 * (C - 0,5) trong đó C là chỉ số C hoặc xác suất phù hợp.

Tôi đoán tôi chủ yếu bối rối bởi các cột. Tôi đoán rằng giá trị đã sửa là giá trị tôi nên sử dụng nhưng tôi chưa thực sự hiểu đầu ra xác thực:

      index.orig training    test optimism index.corrected   n
Dxy      -0.0137  -0.0715 -0.0071  -0.0644          0.0507 100
R2        0.0079   0.0278  0.0037   0.0242         -0.0162 100
Slope     1.0000   1.0000  0.2939   0.7061          0.2939 100
...

Trong câu hỏi trợ giúp tôi đã hiểu rằng tôi nên có "Surv = TRUE" trong cph nếu tôi có tầng lớp nhưng tôi không chắc mục đích của tham số "u = 60" trong hàm xác thực là gì. Tôi sẽ biết ơn nếu bạn có thể giúp tôi hiểu những điều này và kiểm tra xem tôi đã không phạm sai lầm nào chưa.

@chl đã chỉ ra một câu trả lời cụ thể cho câu hỏi của bạn. cphChức năng của gói 'rms' sẽ tạo ra một Som-D có thể chuyển đổi tầm thường thành chỉ số c. Tuy nhiên, Harrell (người đã đưa chỉ số c vào thực tiễn thống kê sinh học) cho rằng đây là một chiến lược chung để đánh giá các biện pháp tiên lượng, bởi vì nó có sức mạnh thấp để phân biệt đối xử giữa các phương án. Thay vì dựa vào tài liệu phẫu thuật cho hướng dẫn phương pháp của bạn, sẽ khôn ngoan hơn khi tìm kiếm sự khôn ngoan tích lũy trong văn bản của Gurell, "Chiến lược mô hình hồi quy" hay "Mô hình dự đoán lâm sàng" của Steyerberg.

Tùy thuộc vào nhu cầu của bạn, việc nhúng một mô hình bên trong một mô hình lớn hơn và thực hiện tỷ lệ khả năng "chunk" cho giá trị gia tăng của các biến bổ sung sẽ cho bạn một bài kiểm tra mạnh mẽ. Cuốn sách của tôi nói về một chỉ số phát sinh từ phương pháp này ("chỉ số đầy đủ").$\chi^2$