Antagandet om proportionella hazarder

Överlevnadsanalys i Python

Shae Wang

Senior Data Scientist

Använd Kaplan-Meier-kurvorna

Om kovariaten bara har ett fåtal värden, inspektera varje grupps Kaplan-Meier-kurva.

Kurvorna skär varandra: uppfyller inte antagandet om proportionella hazarder.

misslyckad ph-antagande på grund av korsande kurvor

Använd Kaplan-Meier-kurvorna

Om kovariaten bara har ett fåtal värden, inspektera varje grupps Kaplan-Meier-kurva.

Kurvorna har olika form: uppfyller inte antagandet om proportionella hazarder.

misslyckad ph-antagande på grund av korsande kurvor

Använd Kaplan-Meier-kurvorna

Om kovariaten bara har ett fåtal värden, inspektera varje grupps Kaplan-Meier-kurva.

Kurvorna har liknande form och är parallella: uppfyller antagandet om proportionella hazarder.

lyckad proportionell hazard-antagande km-kurva

.check_assumptions()

Om kovariaterna är kontinuerliga, använd metoden .check_assumptions().

Parametrar
- training_df: den ursprungliga DataFrame som användes vid anropet för att anpassa modellen.
- p_value_threshold: tröskelvärdet för att varna användaren om överträdelser (standard: 0,01, rekommenderat: 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: ...

När antagandet om proportionella hazarder inte uppfylls

Antagandet är vanligtvis rimligt och överträdelser påverkar sällan modellens prestanda nämnvärt.
Om det inte uppfylls, testa andra modellramverk, till exempel Weibull AFT-modellen, och jämför deras AIC-poäng.

Nu kör vi en övning!

Överlevnadsanalys i Python