Asumsi hazard proporsional

Analisis Survival dengan Python

Shae Wang

Senior Data Scientist

Gunakan kurva Kaplan–Meier

Jika kovariat hanya punya sedikit nilai, periksa kurva Kaplan–Meier tiap grup.

Kurva berpotongan: melanggar asumsi hazard proporsional.

asumsi hazard proporsional gagal karena kurva berpotongan

Gunakan kurva Kaplan–Meier

Jika kovariat hanya punya sedikit nilai, periksa kurva Kaplan–Meier tiap grup.

Bentuk kurva berbeda: melanggar asumsi hazard proporsional.

asumsi hazard proporsional gagal karena kurva berpotongan

Gunakan kurva Kaplan–Meier

Jika kovariat hanya punya sedikit nilai, periksa kurva Kaplan–Meier tiap grup.

Bentuk kurva mirip dan sejajar: memenuhi asumsi hazard proporsional.

asumsi hazard proporsional terpenuhi pada kurva KM

.check_assumptions()

Jika kovariat bersifat kontinu, gunakan metode .check_assumptions().

Parameter
- training_df: DataFrame asli yang dipakai saat memanggil fit model.
- p_value_threshold: ambang untuk memberi peringatan pelanggaran (default: 0.01, disarankan: 0.05).

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. Variabel 'A' gagal uji non-proporsional: p-value 0.0007.
Saran 1: ...
Saran 2: ...
2. Variabel 'B' gagal uji non-proporsional: p-value 0.0063.
Saran 1: ...
Saran 2: ...

Saat asumsi hazard proporsional gagal

Biasanya wajar, dan pelanggaran kecil tidak banyak memengaruhi kinerja model.
Jika gagal, coba kerangka lain, mis. model Weibull AFT, lalu bandingkan skor AIC-nya.

Ayo berlatih!

Analisis Survival dengan Python