一、C指数
- 区分度(discrimination):是指模型能够正确区分结局发生高风险个体与低风险个体，即模型正确分类研究事件是否发生的能力。
C指数和ROC曲线下面积AUC差不多 一般而言，我们将 0.51-0.7 认为是低可信度、0.71-0.9 为中等可信度、> 0.9 为高可信度 - 校准度(Calibration)：是指预测模型预测风险与实际风险的一致程度，是衡量模型预测绝对 风险(Absolute risk)准确性的重要维度，模型校准度较差时将低估或高估事件发生风险。 评估方式：1、Calibration图示法；2、拟合优度检验(Hosmer-Lemeshow goodness of fit test) - Hosmer-Lemeshow以合优度检验 拟合优度(Goodness of Fit)是指回归直线对观测值的拟合程度。 在通过建立的预测模型进行预测未来结果之前，我们需要尽可能的检验我们的模型与数据之间的拟合不冲突。Hosmer-Lemeshow检验P值大于0.05，说明拟合良好。
二、Calibration plot 的绘制
简单解释一下这张图，3 组对应图中的三个点，他是随机分组，当然分成 4 组 5 组也是有的，对于 Calibration plot，横坐标为模型预测得到的患者生存率，纵坐标为患者实际观察得到的生存率。理论上来讲，预测与实际两者应该是实际和预测的一致，也就是这条对角线， 但是，实际应该过程中和理论还是有差距的，三点之间的联系与虚线之间越相近，越能说明模型良好的一致性，结果是随机重复 1000 次的，有所区别也是没关系的，主要观察几个点之间的连线和对角线之间的吻合度，从而来评价模型的好坏 ### 三、DCA 曲线的绘制
解释一下结果图形的含义，在图中，横着的实线表示什么都不干预时候都获益率，为 0，而在另外两条线之间的和 None 相交的部分表示进行干预和不干预的情况，两者之间的范围表示使用该模型进行干预下患者可能的获益情况。DCA 曲线一般在文章中的训练集和验证集中都要放，这样，三个常用的指标就介绍好了。一般而言，如果文章使用了 Nomo 图，这三个评价指标是紧接使用的标配结果