Tillämpa överlevnadsanalys på grupper
Överlevnadsanalys i Python
Shae Wang
Senior Data Scientist
Bolåneproblemet
DataFrame-namn: mortgage_df
| id | fastighetstyp | löptid | betald |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Fastighetstyp: typen av bostad som finansieras av bolånet (antingen house eller apartment)
Finns det en skillnad i tid till återbetalning för hus- kontra lägenhetslån?
Jämföra gruppers överlevnadsfördelningar
Vi är ofta intresserade av att undersöka om det finns skillnader i överlevnad (eller händelse-/överlevnadssannolikheter) mellan olika grupper av individer.
- Dimensionella attribut hos individerna
- t.ex. olika typer av bolån, olika däckmärken
- Olika experimentgrupper
- t.ex. behandlings- kontra kontrollgrupper
- Olika värden för samma dimensionella attribut
- t.ex. hushåll med hög kontra låg inkomst
Typer av gruppjämförelser inom överlevnadsanalys
1. Skiljer sig några punktskattningar eller överlevnadsstatistiker åt?
- Jämför två gruppers överlevnadssannolikheter vid en specifik tidpunkt
- Jämför den totala andelen överlevande individer mellan två grupper
Typer av gruppjämförelser inom överlevnadsanalys
2. Skiljer sig de underliggande fördelningarna åt?
- Kräver formell hypotesprövning
Typer av gruppjämförelser inom överlevnadsanalys
3. Hur mycket påverkar ett attribut överlevnaden?
- Kräver regressionsbaserade modelleringsramverk
Visualisera gruppskillnader
Anpassa en Kaplan-Meier-överlevnadsfunktion till varje grupp och visualisera deras överlevnadskurvor sida vid sida.
Fördelar:
- Enkel och rättfram att använda och tolka.
- Icke-parametrisk, vilket gör den mer flexibel för olika typer av överlevnadsfördelningar.
- Användbart illustrativt verktyg för att påvisa skillnader i överlevnadsfunktioner.
Identifiera grupperna
DataFrame-namn: mortgage_df
| id | fastighetstyp | löptid | betald |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Skapa en boolesk mask för varje grupp.
house = (mortgage_df["property_type"]=="house")
apt = (mortgage_df["property_type"]=="apartment")
Om det bara finns 2 grupper behövs bara 1 mask. Den andra gruppen kan refereras med negation.
Anpassa och plotta överlevnadskurvor
Skapa en figur och instansiera en KaplanMeierFitter-klass.
ax = plt.subplot(111)
mortgage_kmf = KaplanMeierFitter()
Anpassa mortgage_kmf till husgruppen och plotta på figuren 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)
Anpassa och plotta överlevnadskurvor
Anpassa mortgage_kmf till lägenhetsgruppen och plotta på figuren 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)
Visualisera sida vid sida
plt.show()
Tolka gruppers överlevnadskurvor
- Lägenhetslån verkar i genomsnitt betalas av snabbare än huslån.
- Vid varje given löptid är det en högre andel låntagare som betalar av lägenhetslån jämfört med huslån.
Obs: om konfidensintervallen överlappar vid vissa punkter är det mindre troligt att det finns en verklig skillnad mellan kurvorna.
Nu kör vi en övning!
Överlevnadsanalys i Python
