Cox PH मॉडल की व्याख्या

Python में Survival Analysis

Shae Wang

Senior Data Scientist

Baseline hazards

Hazard ratio: baseline hazards की तुलना में hazard कितना बढ़ता या घटता है.
Baseline hazards: covariates के baseline स्तरों पर व्यक्तियों का जोखिम.
- Baseline $\neq$ covariates को 0 करना
- Baseline का अर्थ covariates को उनके औसत पर सेट करना है (lifelines में median)

Baseline फ़ंक्शन

Baseline hazard फ़ंक्शन

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

baseline_hazard

Baseline survival फ़ंक्शन

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

baseline_survival

Hazard ratio की व्याख्या

Hazard ratio: $e^{coef}$, covariates बदलने पर औसत व्यक्ति की तुलना में hazard कितना बदलता है.

	Calculation	Example
Coefficient	$x$	$0.405$
Hazard ratio	$e^x$	$e^{0.405}=1.5$
Hazards interpretation	$e^x-1$	$1.5-1 = 0.5$ -> hazards में 50% वृद्धि
Survival time interpretation	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> survival time में 23% कमी

Hazard ratio को visualize करें

.plot_partial_effects_on_outcome()

covariates (string या list): मूल डेटासेट में वे covariate नाम जिन्हें आप बदलना चाहते हैं.
- कई covariates हों तो उन्हें list में दें.
values (1d या 2d iterable): वे मान जिन्हें covariates को देना है.
- कई covariates हों तो मान जोड़े/tuples के रूप में दें.

Hazard ratio को visualize करें

मॉडल में covariates A, B, C हैं, और हम बदलना चाहते हैं

A को 1, 2 पर

B को 3, 4 पर

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

wrong_plot_partial_effects_on_outcome

गलत...

Hazard ratio को visualize करें

मॉडल में covariates A, B, C हैं, और हम बदलना चाहते हैं

A को 1, 2 पर

B को 3, 4 पर

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

correct_plot_partial_effects_on_outcome

सही!

अभ्यास करते हैं!

Python में Survival Analysis