Interpréter le modèle de Cox PH

Analyse de survie en Python

Shae Wang

Senior Data Scientist

Les hasards de référence

Rapport de hasards : variation du risque par rapport aux hasards de référence.
Hasards de référence : risque pour les individus aux niveaux de base des covariables.
- Référence $\neq$ fixer les covariables à 0
- Référence = fixer les covariables à leur moyenne (médiane pour lifelines)

Les fonctions de référence

Fonction de hasard de référence

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

hasard_de_reference

Fonction de survie de référence

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

survie_de_reference

Interpréter le rapport de hasards

Rapport de hasards : $e^{coef}$, variation du risque par rapport à l'individu moyen quand les covariables changent.

	Calcul	Exemple
Coefficient	$x$	$0.405$
Rapport de hasards	$e^x$	$e^{0.405}=1.5$
Interprétation des hasards	$e^x-1$	$1.5-1 = 0.5$ -> hausse de 50 % du risque
Interprétation du temps de survie	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> baisse de 23 % du temps de survie

Visualiser le rapport de hasards

.plot_partial_effects_on_outcome()

covariates (chaîne ou liste) : nom(s) des covariables du jeu de données à faire varier.
- S'il y a plusieurs covariables, les passer dans une liste.
values (itérable 1D ou 2D) : valeurs à donner à la covariable.
- S'il y a plusieurs covariables, passer les valeurs en paires/tuples.

Visualiser le rapport de hasards

Le modèle a les covariables A, B, C, et nous voulons faire varier

A entre 1, 2

B entre 3, 4

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

mauvais_plot_partial_effects_on_outcome

Incorrect…

Visualiser le rapport de hasards

Le modèle a les covariables A, B, C, et nous voulons faire varier

A entre 1, 2

B entre 3, 4

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

bon_plot_partial_effects_on_outcome

Exact !

Passons à la pratique !

Analyse de survie en Python