解读 Cox PH 模型

Python 中的生存分析

Shae Wang

Senior Data Scientist

基线风险

风险比（hazard ratio）：相对"基线"风险的增减幅度。
基线风险：处于协变量基线水平个体的风险。
- "基线" $\neq$ 将协变量设为 0
- "基线"指将协变量设为其均值（lifelines 用中位数）

基线函数

基线风险函数

model.baseline_hazard_.plot()
plt.show()

基线风险

基线生存函数

model.baseline_survival_.plot()
plt.show()

基线生存

解读风险比

风险比：$e^{coef}$，当协变量变化时，相对"平均"个体的风险变化。

	计算	示例
系数	$x$	$0.405$
风险比	$e^x$	$e^{0.405}=1.5$
对风险的解读	$e^x-1$	$1.5-1 = 0.5$ -> 风险↑50%
对生存时间的解读	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> 生存时间↓23%

可视化风险比

.plot_partial_effects_on_outcome()

covariates（字符串或列表）：要变化的原始数据中的协变量名。
- 多个协变量时，用"列表"。
values（一维或二维可迭代）：协变量要取的值。
- 多个协变量时，值以"成对/元组"给出。

可视化风险比

模型含协变量 A、B、C，我们希望改变

A 取 1、2

B 取 3、4

model.plot_partial_effects_on_outcome(
    covariates=["A","B"],
    values=[[1,2],
            [3,4]]
)
plt.show()

错误的 plot_partial_effects_on_outcome

错误…

可视化风险比

模型含协变量 A、B、C，我们希望改变

A 取 1、2

B 取 3、4

model.plot_partial_effects_on_outcome(
    covariates=["A","B"],
    values=[[1,3],
            [1,4],
            [2,3],
            [2,4]]
)
plt.show()

正确的 plot_partial_effects_on_outcome

正确！

Vamos praticar!

Python 中的生存分析