二、C-index計算
在很多臨床文章中經常看見統計方法里面描述模型的區分能力（Discrimination ability）用C-Statistics來度量，下面我們就用R語言為大家演示這個所謂的C-Statistics如何計算？本文先講解Cox回歸中的C-Statistics （一般稱為C-index）的計算，Logistic回歸C-Statistics計算將在后續文章中介紹。嚴格說來C-index包括以下幾種，我們僅介紹臨床上較為常用的第一種。
1.Harrell’s C
2.C-statistic by Begg et al.(survAUC::BeggC)
3.C-statistic by Uno et al.(survC1::Inf.Cval; survAUC::UnoC)
4.Gonen and Heller Concordance Index forCox models (survAUC::GHCI, CPE::phcpe, clinfun::coxphCPE)
方法1： 直接從survival包的函數coxph結果中輸出，需要R的版本高於2.15.需要提前安裝survival包可以看出這種方法輸出了C-index (對應模型參數C)，也輸出了標准誤，95%可信區間就可以通過C加減1.96*se得到。並且這種方法也適用於很多指標聯合。
方法2： 利用rms包中的cph函數和validate函數，可提供un-adjusted和bias adjusted C指數兩種。
代碼及代碼解讀，結果解讀如下：
> # 模擬一組數據並設置為數據框結構
> age
> bp
> d.time
> cens
> death
> os
> sample.data
> head(sample.data) # 展示數據框sample.data的前6行
> # 方法1. {survival}包
> library(survival) # 載入survival包
> fit
> sum.surv
> c_index
> c_index
C se(C)
0.53318557 0.02741619
> #方法2. {rms}包
> library(rms)
> set.seed(1) # 這里設置種子，目的是為了能重復最后的結果，因為validate函數的校正結果是隨機的。
> dd
> options(datadist='dd')
> fit.cph
> fit.cph # 模型參數 Dxy*0.5+0.5 即是c-index
> # Get the Dxy
> v
> Dxy = v[rownames(v)=="Dxy", colnames(v)=="index.corrected"]
> orig_Dxy = v[rownames(v)=="Dxy", colnames(v)=="index.orig"]
> # The c-statistic according to Dxy = 2(c-0.5)
> bias_corrected_c_index
> orig_c_index
> bias_corrected_c_index
[1] 0.5152632
> orig_c_index
[1] 0.5331856
來源：http://www.jintiankansha.me/t/iBEg0ZCeDU