L’assunzione di rischi proporzionali

Analisi di sopravvivenza in Python

Shae Wang

Senior Data Scientist

Usa le curve di Kaplan-Meier

Se la covariata ha pochi valori, guarda le curve di Kaplan-Meier per gruppo.

Le curve si incrociano: assunzione violata.

assunzione di rischi proporzionali violata per incrocio delle curve

Usa le curve di Kaplan-Meier

Se la covariata ha pochi valori, guarda le curve di Kaplan-Meier per gruppo.

Le curve hanno forme diverse: assunzione violata.

assunzione di rischi proporzionali violata per incrocio delle curve

Usa le curve di Kaplan-Meier

Se la covariata ha pochi valori, guarda le curve di Kaplan-Meier per gruppo.

Le curve hanno forme simili e sono parallele: assunzione soddisfatta.

assunzione di rischi proporzionali soddisfatta: curve KM

.check_assumptions()

Se le covariate sono continue, usa il metodo .check_assumptions().

Parametri
- training_df: il DataFrame originale usato per fare il fit del modello.
- p_value_threshold: soglia per segnalare violazioni (default: 0.01, consigliato: 0.05).

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. Variabile 'A' ha fallito il test di non proporzionalità: p-value = 0.0007.
Consiglio 1: ...
Consiglio 2: ...
2. Variabile 'B' ha fallito il test di non proporzionalità: p-value = 0.0063.
Consiglio 1: ...
Consiglio 2: ...

Quando l’assunzione di rischi proporzionali non regge

Di solito è ragionevole e le violazioni non influiscono molto sulle prestazioni del modello.
Se non regge, prova altri modelli, come Weibull AFT, e confronta gli AIC.

Passons à la pratique !

Analisi di sopravvivenza in Python