Menerapkan analisis survival pada kelompok

Analisis Survival dengan Python

Shae Wang

Senior Data Scientist

Masalah hipotek

Nama DataFrame: mortgage_df

id	property type	duration	paid_off
1	house	25	0
2	apartment	17	1
3	apartment	5	0
...	...	...	...
100	house	30	1

Property type: jenis rumah yang dibiayai hipotek (house atau apartment)

Apakah waktu pelunasan hipotek house dan apartment berbeda?

Membandingkan distribusi survival antar kelompok

Kita sering menilai apakah ada perbedaan survival (atau peluang kejadian/survival) antar kelompok subjek.

Atribut dimensional tentang subjek
- mis. jenis hipotek, merek ban berbeda
Kelompok eksperimen berbeda
- mis. kelompok perlakuan vs. kontrol
Nilai berbeda untuk atribut yang sama
- mis. rumah tangga berpendapatan tinggi vs. rendah

Jenis perbandingan survival antarkelompok

1. Apakah ada perbedaan estimasi titik atau statistik survival?

Bandingkan probabilitas survival dua kelompok pada waktu tertentu
Bandingkan total proporsi subjek yang bertahan di dua kelompok

Jenis perbandingan survival antarkelompok

2. Apakah distribusi dasarnya berbeda?

Memerlukan uji hipotesis formal

Jenis perbandingan survival antarkelompok

3. Seberapa besar suatu atribut memengaruhi survival?

Memerlukan kerangka pemodelan berbasis regresi

Memvisualisasikan perbedaan antarkelompok

Memasang fungsi survival Kaplan–Meier untuk tiap kelompok dan menampilkan kurvanya berdampingan.

Manfaat:

Mudah digunakan dan ditafsirkan.
Nonparametrik, jadi lebih fleksibel untuk berbagai distribusi survival.
Alat ilustratif yang berguna untuk menunjukkan perbedaan fungsi survival.

Mengidentifikasi kelompok

Nama DataFrame: mortgage_df

id	property type	duration	paid_off
1	house	25	0
2	apartment	17	1
3	apartment	5	0
...	...	...	...
100	house	30	1

Buat mask Boolean untuk tiap kelompok.

house = (mortgage_df["property_type"]=="house")
apt = (mortgage_df["property_type"]=="apartment")

Jika hanya ada 2 kelompok, cukup 1 mask. Kelompok lain bisa dirujuk dengan negasi.

Memasang dan memplot kurva survival

Buat satu figure dan instansiasi kelas KaplanMeierFitter.

ax = plt.subplot(111)
mortgage_kmf = KaplanMeierFitter()

Fit mortgage_kmf ke kelompok house dan plot pada figure ax.

mortgage_kmf.fit(duration=mortgage_df[house]["duration"], 
                 event_observed=mortgage_df[house]["paid_off"],
                 label="Houses")
mortgage_kmf.plot_survival_function(ax=ax)

Memasang dan memplot kurva survival

Fit mortgage_kmf ke kelompok apartment dan plot pada figure ax.

mortgage_kmf.fit(duration=mortgage_df[apt]["duration"], 
                 event_observed=mortgage_df[apt]["paid_off"],
                 label="Apartments")
mortgage_kmf.plot_survival_function(ax=ax)

Visualisasi berdampingan

plt.show()

Kurva survival Kaplan–Meier: apartment vs. house.

Menafsirkan kurva survival per kelompok

Kurva survival Kaplan–Meier: apartment vs. house

Rata-rata, hipotek apartment tampak lebih cepat lunas dibanding house.
Pada durasi mana pun, proporsi yang melunasi apartment lebih tinggi daripada house.

Catatan: jika interval kepercayaan saling tumpang tindih di beberapa titik, kemungkinan perbedaan kurva tidak nyata.

Ayo berlatih!

Analisis Survival dengan Python