比例风险假设

Python 中的生存分析

Shae Wang

Senior Data Scientist

使用 Kaplan–Meier 曲线

若协变量仅有少数取值，查看各组的 Kaplan–Meier 曲线。

  • 曲线相交：比例风险假设"未满足"。

因曲线相交导致比例风险假设不成立

Python 中的生存分析

使用 Kaplan–Meier 曲线

若协变量仅有少数取值，查看各组的 Kaplan–Meier 曲线。

  • 曲线形状不同：比例风险假设"未满足"。

因曲线相交导致比例风险假设不成立

Python 中的生存分析

使用 Kaplan–Meier 曲线

若协变量仅有少数取值，查看各组的 Kaplan–Meier 曲线。

  • 曲线形状相近且大致平行：比例风险假设"满足"。

比例风险假设成立的 KM 曲线

Python 中的生存分析

.check_assumptions()

若协变量为连续型，使用 .check_assumptions() 方法。

  • 参数
    • training_df：用于拟合模型的原始 DataFrame。
    • p_value_threshold：用于提示违背的阈值（默认 0.01，建议 0.05）。
Python 中的生存分析

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. 变量 'A' 未通过非比例性检验：p 值为 0.0007。
建议 1：...
建议 2：...
2. 变量 'B' 未通过非比例性检验：p 值为 0.0063。
建议 1：...
建议 2：...
Python 中的生存分析

当比例风险假设不成立时

  • 通常该假设合理，少量违背对模型性能影响不大。
  • 若不成立，可尝试其他框架，如 Weibull AFT 模型，并比较其 AIC。
Python 中的生存分析

Passons à la pratique !

Python 中的生存分析

Preparing Video For Download...