我们学会了 Harrell C-index 的计算公式，接下来我们通过实际例子来进一步学习吧
让我们看一个例子，其中有一组患者，并尝试计算这个特定风险模型的 Harrell C-index。
现在，我们有一个风险模型，他输出了每个患者的风险得分，让我们看看如何评估这个数据上的模型好坏。
可能得允许配对
好的，我们的第一步是查看该数据集中的可允许对，所以让我们首先尝试找出哪些对是允许的。
现在让我们看A、B两个，A在事件时间之前发生了删失，我们无法比较结果，因此这不是一个允许对。
我们现在看A、C，A在C之后删失，因此这将是一个允许对。
然后我们可以查看A、D，这两个时间都被删失了，因此我们无法进行比较。A、E也是一个合规的允许对。
现在让我们看B和C。这两个都有事件，因此我们肯定可以进行比较
B和D可以看到删失是在事件之前发生的，因此这不会是一个可允许对。
B和E这两个都是事件，因此这肯定是一个允许对。
现在让我们看C和D是第一个。请注意这里，C和D是一种情况，在这种情况下，我们有一个事件，但我们知道其中一个在当时被截尾了。现在，当我们知道其中一个在当时被截尾时，我们知道在那个时候或之前他们没有经历过事件，因此我们知道最坏的结果是C，因此这是一个可允许对。
请注意:到目前为止我只看 T 列。我根本没看 Risk 列，因为我们在确定一对是否可允许时不需要风险列。
让我们看C和E，并注意这也是一对合规的允许对，因为两者都是事件。最后，让我们看D和E，并意识到对于D，删失是在事件时间之前发生的，因此我们无法比较这两个，因此有六个可允许的对。
一致性配对
现在让我们看看我们的一致配对。请注意，当我们查看一致配对时，我们只需要查看允许的配对，因为只有允许的配对才是可比较的。
请记住，一致性指的是：最坏结果的病人是否具有更高的风险得分？
对于 A、C，我们的风险是0.65和0.7，最坏的结果是患者C且得分最高，因此A、C是一致的。A、E 这一对，我们可以看到，最坏的结果是 E，且 E 有更高的风险得分，因此 A、E 也是一致的一对。
现在让我们看B、C。对于 B、C，我们都有事件和更高的风险分配给 B，但 B 的生存时间更长，因此这不是一致的一对。最后，让我们看B、E。在 B、E 中，我们将高风险分配给 B，但这是生存时间更长，因此这也不是一致的一对。
让我们看一下 C、D。对于 C、D，我们发现最坏的结果是 C，而 C 的风险更高，因此这是一致的一对。最后，我们有 C，E，其中最坏的结果是 C，但更高的风险是 E，因此这不是一致的一对。
让我们看看是否有任何平局(risk tie)。我们没有任何平局因为我们已经经历了所有的配对。因此，在这里我们只需写 None。带入公式计算：我们的C-Index 为3/6，相当于0.5。
大大大大总结
恭喜你完成了这门课程的最后一周。本周，你学习了如何基于患者档案构建和评估个性化的生存预测模型。你学习了Cox比例风险模型和生存树等生存模型，可以利用患者变量来获取患者特定的风险。你还学习了如何使用Harrell’s C-index来评估生存数据上的生存模型。在你的最后一项任务中，你将有机会将所有这些概念应用到实际数据中，建立一个预测住院患者死亡率的生存模型。
我也是第一次接触预后模型，很多概念对我来讲都是新的。这部分只是我的一个学习笔记，当遗忘的时候可以翻出来看看，快速回忆。当然，也希望对你有用。
下一步分内容就是大作业，实战环节啦~~~
敬请期待！！！
文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~
我是Tina, 我们下篇博客见~
白天工作晚上写文，呕心沥血
觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连
