Interpréter le modèle de Cox PH

Analyse de survie en Python

Shae Wang

Senior Data Scientist

Les risques de référence

Hazard ratio : variation du risque par rapport aux risques de référence.
Risques de référence : le risque pour les individus aux niveaux de référence des covariables.
- Référence $\neq$ fixer les covariables à 0
- Référence = fixer les covariables à leurs moyennes (médiane pour lifelines)

Les fonctions de référence

Fonction de risque de référence

model.baseline_hazard_.plot()
plt.show()

baseline_hazard

Fonction de survie de référence

model.baseline_survival_.plot()
plt.show()

baseline_survival

Interpréter le hazard ratio

Hazard ratio : $e^{coef}$, variation du risque par rapport à l'individu moyen quand les covariables changent.

	Calcul	Exemple
Coefficient	$x$	$0.405$
Hazard ratio	$e^x$	$e^{0.405}=1.5$
Interprétation des risques	$e^x-1$	$1.5-1 = 0.5$ -> hausse de 50 % du risque
Interprétation du temps de survie	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> baisse de 23 % du temps de survie

Visualiser le hazard ratio

.plot_partial_effects_on_outcome()

covariates (chaîne ou liste) : nom(s) des covariables du jeu de données d'origine à faire varier.
- En cas de covariables multiples, les passer en liste.
values (itérable 1D ou 2D) : valeurs à attribuer aux covariables.
- En cas de covariables multiples, passer les valeurs sous forme de paires/tuples.

Visualiser le hazard ratio

Le modèle a les covariables A, B, C, et nous souhaitons faire varier

A sur 1, 2

B sur 3, 4

model.plot_partial_effects_on_outcome(
    covariates=["A","B"],
    values=[[1,2],
            [3,4]]
)
plt.show()

wrong_plot_partial_effects_on_outcome

Incorrect…

Visualiser le hazard ratio

Le modèle a les covariables A, B, C, et nous souhaitons faire varier

A sur 1, 2

B sur 3, 4

model.plot_partial_effects_on_outcome(
    covariates=["A","B"],
    values=[[1,3],
            [1,4],
            [2,3],
            [2,4]]
)
plt.show()

correct_plot_partial_effects_on_outcome

Correct !

Passons à la pratique !

Analyse de survie en Python