Python 中的生命线生存分析。该方法的部分风险是什么？

Question

我正在尝试使用 Python Lifelines 包来校准和使用 Cox 比例风险模型。所以，结果总结是：coef  exp(coef)  se(coef)        z      p  lower 0.95  upper 0.95 PD    -1.1446     0.3183    0.0814 -14.0563 0.0000     -1.3042     -0.9850  ***oil   -0.1275     0.8803    0.0016 -79.2128 0.0000     -0.1306     -0.1243  ***curr  -0.1353     0.8735    0.0020 -67.3416 0.0000     -0.1392     -0.1313  ***matur -0.0002     0.9998    0.0000 -13.6039 0.0000     -0.0002     -0.0002  ***Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1Concordance = 0.602然后我需要计算部分风险，例如，使用我的生存数据选项卡的第一行，即：PD  oil curr    Durat   binar   matur0   0.135760    62.799048   59.004243   1.446575    0   179它必须是这样的：PD = 0.13576oil = 62.799048curr = 59.004243matur = 179np.exp(-1.1446*PD - 0.1275*oil - 0.1353*curr -0.0002*matur)并且等于 9.387106981409155e-08，所以它是非常小的数字并且导致所有 t 的生存概率等于 1.0。但是当我得到一个 cph.predict_partial_hazard(cox_surv) 方法时，它给了我类似 0.32 的值，我认为这是正确的数字。例如，我们有 Baseline SP = 0.7 并且通过 (0.7^0.32) 到部分风险，我们会得到类似 0.892136633056215 的值，这是正常的。什么是错误？我们如何以正确的方式计算部分风险？非常感谢！

Answer 1

生命线的作者在这里。

生命线中的部分风险是通过首先去除变量的含义来计算的，因此在生命线中，计算类似于

np.exp(-1.1446*(PD-mean_PD) - 0.1275*(oil-mean_oil) - 
          0.1353*(curr-mean_curr) -0.0002*(matur-mean_matur))

这可能会给您带来更大的部分风险（但是所有科目的相对排名保持不变）。

文档字符串没有提到这一点，但是，我会在 v0.15.0 中修复它。