首先我们先来回顾一下C指数的概念。
C指数，又叫一致性指数，主要用于评估生存分析中COX模型的预测能力，衡量模型区分患者风险的能力。
C指数越高，说明cox模型评价患病风险与实际患病风险一致性越好。
而在logistic回归里，C指数其实就是AUC面积，两者是一个概念。
但在cox回归中，分总的C指数和不同年份的C指数。
简单来说，总的C指数是在不考虑时间变量的情况下，患病风险与实际患病风险的一致性，可以整体上初步评价模型区分能力；
但在实际应用中，不同年份的C指数更加有临床意义，它可以动态地反应不同时间模型的区分度；
例如，同一个模型，有可能在第1年区分度很好，但在第2年区分度就比较差，在第3年区分度又变好。
总得来说，我们在构建Cox预测模型时，绘制的ROC曲线其实也是根据时间来画的，而不同年份的C指数指的就是不同年份的AUC面积，这和logistic回归是一致的。
至于问题中的，Bootstrap法计算每年的C指数，主要是用于计算C指数的可信区间。
这个统计问题就解答到这里，大家可以关注我们的公众号“医学论文与统计分析”，我们将分享更多统计学知识！
