Appliquer l'analyse de survie à des groupes
Analyse de survie en Python
Shae Wang
Senior Data Scientist
Le problème de l'hypothèque
Nom du DataFrame : mortgage_df
| id | property type | duration | paid_off |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Property type : type d'habitation financée par l'hypothèque (house ou apartment)
Le délai de remboursement diffère-t-il entre les hypothèques pour maisons et appartements?
Comparer les distributions de survie des groupes
On veut souvent évaluer si la survie (ou les probabilités d'événement/survie) diffère entre des groupes de sujets.
- Attributs dimensionnels des sujets
- p. ex. types d'hypothèques, marques de pneus
- Groupes expérimentaux distincts
- p. ex. traitement vs témoin
- Valeurs différentes pour un même attribut
- p. ex. ménages à revenu élevé vs faible
Types de comparaisons entre groupes en survie
1. Certaines estimations ponctuelles ou statistiques de survie diffèrent-elles?
- Comparer les probabilités de survie de deux groupes à un moment précis
- Comparer la proportion totale de sujets survivants entre deux groupes
Types de comparaisons entre groupes en survie
2. Les distributions sous-jacentes sont-elles différentes?
- Nécessite un test d'hypothèse formel
Types de comparaisons entre groupes en survie
3. Dans quelle mesure un attribut affecte-t-il la survie?
- Nécessite des modèles fondés sur la régression
Visualiser les différences entre groupes
Ajuster une fonction de survie de Kaplan-Meier pour chaque groupe et visualiser les courbes côte à côte.
Avantages :
- Simple à utiliser et à interpréter.
- Non paramétrique, donc plus souple pour divers types de distributions de survie.
- Outil illustratif utile pour montrer les différences entre fonctions de survie.
Identifier les groupes
Nom du DataFrame : mortgage_df
| id | property type | duration | paid_off |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Créer un masque booléen pour chaque groupe.
house = (mortgage_df["property_type"]=="house")
apt = (mortgage_df["property_type"]=="apartment")
S'il n'y a que 2 groupes, un seul masque suffit. L'autre peut être obtenu par négation.
Ajuster et tracer les courbes de survie
Créer une figure et instancier la classe KaplanMeierFitter.
ax = plt.subplot(111)
mortgage_kmf = KaplanMeierFitter()
Ajuster mortgage_kmf pour le groupe « house » et tracer sur la figure 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)
Ajuster et tracer les courbes de survie
Ajuster mortgage_kmf pour le groupe « apartment » et tracer sur la figure 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)
Visualiser côte à côte
plt.show()
Interpréter les courbes de survie des groupes
- En moyenne, les hypothèques d'appartements semblent se rembourser plus vite que celles de maisons.
- À toute durée donnée, une plus grande proportion d'utilisateurs remboursent les hypothèques d'appartements que celles de maisons.
Remarque : si les intervalles de confiance se chevauchent à certains points, il est moins probable qu'il y ait une vraie différence entre les courbes.
Passons à la pratique !
Analyse de survie en Python
