De proportional-hazardsaanname

Survivalanalyse in Python

Shae Wang

Senior Data Scientist

Gebruik de Kaplan–Meier-curves

Als de covariaat maar een paar waarden heeft, bekijk de Kaplan–Meier-curve per groep.

Krommen kruisen: proportional-hazardsaanname wordt geschonden.

ph-aanname geschonden door kruisende krommen

Gebruik de Kaplan–Meier-curves

Als de covariaat maar een paar waarden heeft, bekijk de Kaplan–Meier-curve per groep.

Krommen hebben verschillende vormen: proportional-hazardsaanname geschonden.

ph-aanname geschonden door kruisende krommen

Gebruik de Kaplan–Meier-curves

Als de covariaat maar een paar waarden heeft, bekijk de Kaplan–Meier-curve per groep.

Krommen lijken op elkaar en lopen evenwijdig: proportional-hazardsaanname voldoet.

geslaagde proportional-hazardsaanname km-curve

.check_assumptions()

Als de covariaten continu zijn, gebruik de methode .check_assumptions().

Parameters
- training_df: de oorspronkelijke DataFrame die is gebruikt om het model te fitten.
- p_value_threshold: drempel om schendingen te melden (standaard: 0.01, aanbevolen: 0.05).

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. Variable 'A' failed the non-proportional test: p-value is 0.0007.
Advice 1: ...
Advice 2: ...
2. Variable 'B' failed the non-proportional test: p-value is 0.0063.
Advice 1: ...
Advice 2: ...

Als de proportional-hazardsaanname faalt

Meestal is dit een redelijke aanname en schenden heeft weinig effect op de modelprestatie.
Als het faalt, probeer andere modellen, zoals het Weibull AFT‑model, en vergelijk hun AIC‑scores.

Laten we oefenen!

Survivalanalyse in Python