¿Qué medida de ajuste del modelo/precisión predictiva puede utilizarse para validar de forma cruzada un modelo PH de Cox con datos censurados?

Question

¿Cómo se valida un modelo PH de Cox con datos censurados?

Estoy intentando ejecutar un modelo PH de Cox en un conjunto de datos con observaciones que fallaron y observaciones que están censuradas. Normalmente, utilizo una división mitad y mitad de construcción y prueba, y luego ejecuto el modelo en los datos de prueba para validar. ¿Se aproxima la media a la media real de los datos de prueba? Y luego miro el gráfico univariante de mi predicción real para las variables en mi conjunto de datos para ver si me estoy perdiendo algo importante.

Debido a los datos censurados, tengo problemas para hacerlo. Mi idea original era que sólo necesitaría validar los resultados con las observaciones que fallaron, pero las observaciones censuradas sólo disminuyen la tasa de riesgo, por lo que siempre predeciré en exceso el tiempo medio de supervivencia de las observaciones que fallaron. Además, no puedo mirar los gráficos univariantes porque las medias no coinciden. Así que no tiene ningún valor "ver qué le falta al modelo", porque le falta todo (la media).

¿Cómo se valida un modelo PH de Cox con datos censurados?

Answer 1

En mi experiencia, el enfoque de muestra dividida para validar un modelo de supervivencia sólo funciona bien si el tamaño total de la muestra supera los 20.000 ejemplares. De lo contrario, el análisis queda demasiado al albur de la división aleatoria. Como indicó @gung, existe un índice c generalizado para este problema, a menudo denominado Dxy de Somers e implementado en el programa R Hmisc paquete rcorr.cens función. Pero para estudiar estrategias generales de validación de índices estadísticos y curvas de calibración para modelos tiempo-acontecimiento véanse los folletos de mi curso que están enlazados desde http://biostat.mc.vanderbilt.edu/rms .