Aplicarea analizei de supraviețuire pe grupuri

Analiza de supraviețuire în Python

Shae Wang

Senior Data Scientist

Problema creditului ipotecar

Numele DataFrame-ului: mortgage_df

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

Tipul proprietății: tipul de locuință finanțat prin credit ipotecar (casă sau apartament)

Există diferențe în timpul de rambursare pentru creditele ipotecare pe case față de apartamente?

Compararea distribuțiilor de supraviețuire pe grupuri

Suntem adesea interesați să evaluăm dacă există diferențe în supraviețuire (sau probabilități de eveniment/supraviețuire) între diferite grupuri de subiecți.

Atribute dimensionale ale subiecților
- ex.: tipuri diferite de credite ipotecare, mărci diferite de anvelope
Grupuri experimentale diferite
- ex.: grupuri de tratament vs. control
Valori diferite ale aceluiași atribut dimensional
- ex.: gospodării cu venituri mari vs. mici

Tipuri de comparații ale grupurilor de supraviețuire

1. Există diferențe între estimările punctuale sau statisticile de supraviețuire?

Compararea probabilităților de supraviețuire ale două grupuri la un moment specific
Compararea proporției totale de subiecți supraviețuitori între două grupuri

Tipuri de comparații ale grupurilor de supraviețuire

2. Sunt diferite distribuțiile subiacente?

Necesită testare formală a ipotezelor

Tipuri de comparații ale grupurilor de supraviețuire

3. Cât de mult influențează un atribut supraviețuirea?

Necesită cadre de modelare bazate pe regresie

Vizualizarea diferențelor dintre grupuri

Ajustarea unei funcții de supraviețuire Kaplan-Meier pentru fiecare grup și vizualizarea curbelor comparativ.

Avantaje:

Simplu și ușor de utilizat și interpretat.
Non-parametric — mai flexibil pentru diferite tipuri de distribuții.
Instrument ilustrativ util pentru evidențierea diferențelor dintre funcțiile de supraviețuire.

Identificarea grupurilor

Numele DataFrame-ului: mortgage_df

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

Creați o mască booleană pentru fiecare grup.

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

Dacă există doar 2 grupuri, este necesară o singură mască. Celălalt grup poate fi referit prin negare.

Ajustarea și reprezentarea curbelor de supraviețuire

Creați o figură și instanțiați clasa KaplanMeierFitter.

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

Ajustați mortgage_kmf pe grupul „house" și reprezentați grafic pe figura 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)

Ajustarea și reprezentarea curbelor de supraviețuire

Ajustați mortgage_kmf pe grupul „apartment" și reprezentați grafic pe figura 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)

Vizualizare comparativă

plt.show()

Curbe de supraviețuire Kaplan-Meier: apartamente vs. case.

Interpretarea curbelor de supraviețuire pe grupuri

Curbe de supraviețuire Kaplan-Meier: apartamente vs. case

Creditele ipotecare pe apartamente par să fie rambursate mai rapid decât cele pe case, în medie.
La orice durată dată, o proporție mai mare de utilizatori rambursează creditele pe apartamente față de cele pe case.

Notă: dacă intervalele de încredere se suprapun în anumite puncte, este mai puțin probabil că există o diferență reală între curbe.

Vamos praticar!

Analiza de supraviețuire în Python