Introduzione all’analisi della sopravvivenza e alla sua applicazione in Python
L’analisi della sopravvivenza è una branca della statistica su cui si concentra l’analisi analizzare la durata di tempo prevista fino al verificarsi di un evento. È stato ampiamente utilizzato nel settore sanitario, con il caso d’uso principale per comprendere la probabilità di sopravvivenza di un individuo negli studi medici.
Questo approccio può essere applicato anche ad altri domini e casi d’uso con l’obiettivo di esaminare la probabilità che si verifichi un determinato evento in un dato momento. In questo articolo esamineremo i concetti, le tecniche e la loro applicazione di Survival Analysis in Python.
Nel lavorare sull’Analisi della Sopravvivenza è necessario definire un “evento” e la “ancora di salvezza” o durata di sopravvivenza correlata all’evento.
- Evento: Una cosa che accade all’oggetto di studio. Questo deve essere inequivocabile e binariocome la morte di un oggetto biologico. In ambiti più ambigui come i guasti ai macchinari, è necessaria una definizione chiara per identificare l’evento (ad esempio guasto completo o produttività < X%).
- Durata della vita/sopravvivenza: Tempo fino al verificarsi dell’evento di interesse di cui sopra (o alla fine delle osservazioni).
Con la definizione di cui sopra, possiamo applicare le tecniche di Analisi della Sopravvivenza a problemi riguardanti la probabilità di un evento in un dato momento. Ciò include la percentuale della popolazione che potrebbe sperimentare l’evento, il tempo stimato fino al verificarsi dell’evento e fattori che contribuiscono alla durata e alla probabilità dell’evento.
Alcune dichiarazioni di problemi di esempio sono:
- Modellazione della conversione degli utenti in abbonamento/acquisto
- Previsione del tempo fino al guasto della macchina
- Probabilità di recidiva del cancro in un dato momento
- Prevedere il tempo fino all’abbandono dei dipendenti
Funzione di sopravvivenza e funzione di pericolo
La previsione dell’evento e della durata della sopravvivenza viene effettuata modellando il funzione di sopravvivenza dell’evento.
Fonte: towardsdatascience.com
