Proportional hazards धारणा

Python में Survival Analysis

Shae Wang

Senior Data Scientist

Kaplan-Meier कर्व का उपयोग करें

यदि covariate के मान कम हैं, तो हर समूह की Kaplan-Meier कर्व देखें.

कर्व आपस में काटते हैं: proportional hazards धारणा फेल.

काटती कर्वों के कारण PH धारणा फेल

Kaplan-Meier कर्व का उपयोग करें

यदि covariate के मान कम हैं, तो हर समूह की Kaplan-Meier कर्व देखें.

कर्वों के आकार अलग हैं: proportional hazards धारणा फेल.

काटती कर्वों के कारण PH धारणा फेल

Kaplan-Meier कर्व का उपयोग करें

यदि covariate के मान कम हैं, तो हर समूह की Kaplan-Meier कर्व देखें.

कर्वों के आकार मिलते-जुलते और समानांतर हैं: proportional hazards धारणा संतुष्ट.

सफल proportional hazard धारणा की KM कर्व

.check_assumptions()

यदि covariates सतत हैं, तो .check_assumptions() मेथड उपयोग करें.

पैरामीटर्स
- training_df: मॉडल fit करने में उपयोग किया गया मूल DataFrame.
- p_value_threshold: उल्लंघन पर अलर्ट देने के लिए थ्रेशहोल्ड (डिफॉल्ट: 0.01, अनुशंसित: 0.05).

.check_assumptions()

model.check_assumptions(training_df, p_value_threshold=0.05)

1. Variable 'A' failed the non-proportional test: p-value is 0.0007.
Advice 1: ...
Advice 2: ...
2. Variable 'B' failed the non-proportional test: p-value is 0.0063.
Advice 1: ...
Advice 2: ...

जब proportional hazards धारणा फेल हो

आम तौर पर यह उचित धारणा है और उल्लंघन से मॉडल परफॉर्मेंस पर बड़ा असर नहीं पड़ता.
यदि यह फेल हो, तो अन्य मॉडलिंग फ्रेमवर्क आज़माएँ, जैसे Weibull AFT मॉडल, और उनके AIC स्कोर तुलना करें.

अभ्यास करते हैं!

Python में Survival Analysis