生存分析以进行事件预测

对于数据集中的每条记录，我都有以下信息

$$(X_1 \ , \dots \ , X_m \ , \delta \ , T \ )$$

其中是要素，如果目标事件发生，为1，否则为0，为发生事件的时间戳。特别是，如果没有事件或未设定后续行动的时间，则可能会丢失。$X_i$$\delta$$T$$T$

我想为数据集中的每条记录计算一个风险指数。

我当时正在考虑使用功能来预测类的分类模型。但是，很重要：如果事件可能很快发生，则风险应该更高。$X_i$$\delta$$T$$\delta$

这就是为什么生存分析应该适合这个问题的原因。我不需要的完整估计，而只需要一个代表单个记录风险的单个索引。$S(t) = P(T>t)$

可以为每条记录计算的平均生存时间似乎是一个不错的风险指数-风险越低越低。

我的问题是：

1. 生存分析是否适合我的目的？
2. 如何评估模型的性能？

关于问题（2）：例如，我很想使用Harrell的 -index，但是我不确定要使用哪个预测结果来进行计算。从Harrell的书《回归建模策略》第247页：$c$

该指数[...]被拍摄到所有可能对这样一个主题作出回应，其他的都没有计算。该指数是这样的对的比例，其中响应者具有比非响应者更高的预测响应概率。$c$

如果发现生存分析是正确的选择，我认为使用某种标准方法引入时变协变量应该很容易。$X_i(t)$

生存分析是否适合我的目的？

使这似乎不太适用于生存分析的唯一原因是：

... 如果没有事件或未设定随访时间，则可能会丢失。$TT$

您将需要知道大多数模型在该个体上还活着的最后一个时期。否则，它应该很简单并且适用于使用生存分析。例如survival::coxphR中的Cox比例风险或R中的参数模型survival::survreg。

可以为每条记录计算的平均生存时间似乎是一个不错的风险指数-风险越低越低。

是的，您可以将平均生存时间或线性预测变量用于前面提到的两个（类）模型。

如何评估模型的性能？

对于AUC来说，“索引对我来说似乎是一个明智的选择。请注意，它是使用R在R中实现的。$c$Hmisc::rcorr.cens