以相反的顺序：

3) 一致性只是具有较高风险预测因子的病例在具有较低风险预测因子的病例之前发生事件的病例对的比例。对于单个数字预测器，即使 Cox 模型拟合可能大不相同，预测器的任何单调变换的一致性也将相同。粗略地说，一致性显示了您预测一对中谁会更早死亡的能力，但不一定要早多少或事件时间方差的比例由模型解释。

多变量模型的一致性使用来自 Cox 回归的组合线性预测变量作为每个案例的数值预测变量。因此，如果具有非比例风险的变量与其他变量相比具有较小的系数，或者如果它们与结果的关系尽管不成比例但足够强，那么组合线性预测变量的排名可能与事件时间的排名有很好的相关性——这就是索引告诉你的全部内容。

2) 如果没有 PH 假设，HR 不是严格有效的，并且可能具有高度误导性。考虑非线性相关数据的线性回归拟合的相应情况。

1) 主要结果是您应该更详细地检查不符合 PH 假设的变量。考虑按这些变量分层，或设计时间相关模型。