我正在研究几种关于患者生存时间分类的方案。让我假设我只有两个方案来说明这个问题。
假设方案 1 将患者分为 5 组，方案 2 也将患者分为 5 组（但组的组成不同，例如方案 1 中的患者 1 可能在组 3 中，方案 2 中的组4）。
所以，这是我的问题，但有几个方案。
KM 图对分析很有用，但不实用，有些图在视觉上非常相似。我认为logrank测试不是这样，因为我认为它只是验证我是否真的在曲线之间的生存经验上有任何差异而不是更多。
实际上，我想要的是验证哪种方案在某种准确性上给了我更好的预测，这实际上是一种衡量标准。我认为的一种方法是仅使用该survivalROC软件包并将该survivalROC功能应用于例如 60、120 和 180 次，以及哪种方案可以提供最佳 AUC。
我认为的另一种方法是将这些方案与 cox 比例风险模型一起使用，它真的是另一种选择吗？使用coxph我可以拥有的功能及其返回的一致性，我也可以使用该extractAIC函数计算 AIC，并使用较少的 AIC 选择最佳方案。
在 AIC 案例中，我有一些疑问，因为我之前认为 AIC 很好，但是我最近什么时候读到它，我刚刚发现了 COX PH 嵌套模型的示例，它是否也适用于非嵌套模型？
所以，总而言之，我想到了 4 个选项：
survivalROC并使用 AUCcoxph并使用coxph并使用索引coxph并使用extractAIC
我想使用一种数值度量来自动选择最佳方案（记住非嵌套模型的性质）来自动化我的分析。
我在想这种方法有什么问题吗？哪个可能是最好的衡量标准？