การตีความโมเดล Cox PH

Survival Analysis ด้วย Python

Shae Wang

Senior Data Scientist

Baseline hazards

Hazard ratio: ระดับความเสี่ยงที่เพิ่มขึ้นหรือลดลงเทียบกับ baseline
Baseline hazards: ความเสี่ยงของบุคคลที่ค่า covariate อยู่ในระดับ baseline
- Baseline $\neq$ การตั้งค่า covariate เป็น 0
- Baseline คือการตั้งค่า covariate ให้เท่ากับค่าเฉลี่ย (ค่ามัธยฐานสำหรับ lifelines)

ฟังก์ชัน baseline

ฟังก์ชัน baseline hazard

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

baseline_hazard

ฟังก์ชัน baseline survival

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

baseline_survival

การตีความ hazard ratio

Hazard ratio: $e^{coef}$ คือการเปลี่ยนแปลงของความเสี่ยงเทียบกับบุคคล ค่าเฉลี่ย เมื่อ covariate เปลี่ยนไป

	การคำนวณ	ตัวอย่าง
Coefficient	$x$	$0.405$
Hazard ratio	$e^x$	$e^{0.405}=1.5$
การตีความ hazard	$e^x-1$	$1.5-1 = 0.5$ -> เพิ่มขึ้น 50%
การตีความเวลารอด	$\frac{1}{e^x}-1$	$\frac{1}{1.5}-1 = 0.67-1 = -0.23$ -> ลดลง 23%

การแสดงภาพ hazard ratio

.plot_partial_effects_on_outcome()

covariates (string หรือ list): ชื่อ covariate ในชุดข้อมูลต้นฉบับที่ต้องการแปรค่า
- หากมีหลาย covariate ให้ส่งเป็น list
values (iterable 1 มิติหรือ 2 มิติ): ค่าที่ต้องการให้ covariate รับ
- หากมีหลาย covariate ให้ส่งค่าเป็น คู่/tuple

การแสดงภาพ hazard ratio

โมเดลมี covariate A, B, C และต้องการแปรค่า

A ที่ 1, 2

B ที่ 3, 4

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

wrong_plot_partial_effects_on_outcome

ไม่ถูกต้อง...

การแสดงภาพ hazard ratio

โมเดลมี covariate A, B, C และต้องการแปรค่า

A ที่ 1, 2

B ที่ 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

ถูกต้อง!

มาฝึกกันเถอะ!

Survival Analysis ด้วย Python