Tolka Cox PH-modellen

Överlevnadsanalys i Python

Shae Wang

Senior Data Scientist

Baslinje-hazarderna

Hazardkvot: hur mycket hazard ökar eller minskar relativt baslinje-hazarderna.
Baslinje-hazarder: risken för individer på baslinje-nivåerna av kovariater.
- Baslinje $\neq$ att sätta kovariater till 0
- Baslinje innebär att sätta kovariater till deras medelvärden (median för lifelines)

Baslinje-funktionerna

Baslinje-hazardfunktion

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

baslinje-hazard

Baslinje-överlevnadsfunktion

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

baslinje-överlevnad

Tolka hazardkvoten

Hazardkvot: $e^{coef}$, hur mycket hazard förändras relativt den genomsnittliga individen när kovariater ändras.

	Beräkning	Exempel
Koefficient	$x$	$0.405$
Hazardkvot	$e^x$	$e^{0.405}=1.5$
Tolkning av hazard	$e^x-1$	$1.5-1 = 0.5$ -> 50% ökning av hazard
Tolkning av överlevnadstid	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> 23% minskning av överlevnadstid

Visualisera hazardkvoten

.plot_partial_effects_on_outcome()

covariates (sträng eller lista): namn på den eller de kovariater i det ursprungliga datasetet som ska varieras.
- Om det finns flera kovariater, skicka dem som en lista.
values (1d- eller 2d-itererbart): värden som kovariate ska anta.
- Om det finns flera kovariater, skicka värdena som par/tupler av värden.

Visualisera hazardkvoten

Modellen har kovariater A, B, C, och vi vill variera

A över 1, 2

B över 3, 4

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

wrong_plot_partial_effects_on_outcome

Fel...

Visualisera hazardkvoten

Modellen har kovariater A, B, C, och vi vill variera

A över 1, 2

B över 3, 4

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

Rätt!

Nu kör vi en övning!

Överlevnadsanalys i Python