R 具有可变治疗交互作用的每个治疗组的C指数

我很难计算每个治疗组的C指数（UNICO和survAUCR包），以评估可变的治疗相互作用

我有一个包含4个解释变量X1、X2、X3、X4的数据库，如下所示：

> str(data)
'data.frame':   1000 obs. of  7 variables:
 $ X1  : num  -0.578 0.351 0.759 -0.858 -1.022 ...
 $ X2  : num  -0.7897 0.0339 -1.608 -1.1642 -0.0787 ...
 $ X3  : num  -0.1561 -0.7147 -0.8229 -0.1519 -0.0318 ...
 $ X4  : num  1.4161 -0.0688 -0.155 -0.1571 -0.649 ...
 $ TRT : num  0 0 0 0 0 0 0 1 0 1 ...
 $ time: num  6.52 2.15 3 1.31 1.56 ...
 $ stat: num  1 1 1 1 1 1 1 1 1 1 ...

变量X4与治疗变量交互，我没有截尾数据

我想计算每个治疗组的C指数（UNICO）。我预计控制臂的C指数等于0.5，而实验臂的C指数要高得多。 但是，我得到的两条手臂的值几乎相同

是否有人能证实：如果变量与治疗之间存在强烈的相互作用，则实验组的C指数较高，而对照组的C指数为0.5？

以下是我的尝试：

TR <- data[1:500,]
TE <- data[501:1000,]

s <- Surv(TR$time, TR$stat)
sNew <- Surv(TE$time, TE$stat)

train.fit  <- coxph(Surv(time, stat) ~ X4, data=TR)
lpnew <- predict(train.fit, newdata=TE)

# The C-index for each treatment arm
UnoC(Surv.rsp = s[TR$TRT == 1], Surv.rsp.new = sNew[TE$TRT == 1], lpnew = lpnew[TE$TRT == 1])
[1] 0.7577109
UnoC(Surv.rsp = s[TR$TRT == 0], Surv.rsp.new = sNew[TE$TRT == 0], lpnew = -lpnew[TE$TRT == 0])
[1] 0.7295202

---

TR据我所知，没有优尼科软件包。如果没有数据，就不可能对替代方法进行任何调试或演示。@IRTFM是的！这是我的错误，我想写survAUC R软件包。谢谢你的评论！我不能发送数据，但我的主要问题不是关于代码：如果变量和治疗之间存在强烈的交互作用，那么实验臂高和控制臂中的C指数是否等于0.5？一种“交互作用”在协变量和治疗之间，意味着不平衡的数据情况，很有可能混淆协变量效应和治疗效应。。在你的评论中，我看不出有任何方法可以在没有获得某种数据的情况下回答这个问题。如果无法共享数据，则应该能够模拟数据。。