一种用于时变风险的恰当一致性指数

Harrel一致性指数是生存模型常用的判别指标，尤其适用于个体间风险相对排序与时间无关的模型，如比例风险模型。对于相对风险可随时间变化（例如风险率交叉时）的模型如何扩展该指数，已有若干建议但尚未达成共识。我们证明这些一致性指数并不恰当，即它们不会在极限下被真实数据生成模型所最大化。此外，我们证明一致性指数是恰当的，当且仅当所用的风险评分对每对可比较事件在其首个事件时间处的风险率是一致的。因此，我们建议在计算一致性时使用风险率作为时变风险评分。通过模拟，我们展示了其他一致性指数会导致错误模型被选中而非真实模型的情形，从而证明了我们所建议的风险预测在模型选择以及深度学习模型等损失函数中的使用是合理的。