Herramientas de análisis de supervivencia en Python

Question

Estoy preguntando si hay algún paquete para Python capaz de realizar análisis de supervivencia. He estado utilizando el paquete de supervivencia en R pero me gustaría trasladar mi trabajo a Python.

Answer 1

Visite el proyecto lifelines¹ para ver una implementación simple y limpia de modelos de supervivencia en Python, que incluye

• Estimadores de funciones de supervivencia
• Estimadores de curvas de riesgo acumulado
• Modelo de regresión de riesgos proporcionales de Cox
• Modelo de regresión de riesgos variables en el tiempo de Cox
• Modelos AFT paramétricos
• Modelo de regresión aditiva de Aalen
• Prueba multivariable

Beneficios:

• construido sobre Pandas
• Python puro y fácil de instalar
• funciones de trazado incorporadas
• interfaz simple

La documentación está disponible aquí: documentación y ejemplos

Uso de ejemplo:

from lifelines import KaplanMeierFitter

survival_times = np.array([0., 3., 4.5, 10., 1.])
events = np.array([False, True, True, False, True])

kmf = KaplanMeierFitter()
kmf.fit(survival_times, event_observed=events)

print(kmf.survival_function_)
print(kmf.median_)
kmf.plot()

Gráficos de ejemplo de la biblioteca de trazado incorporada:

1. Descargo de responsabilidad: Soy el autor principal. Contácteme (email en perfil) para preguntas o comentarios sobre lifelines.

Answer 2

Según tengo entendido, no hay paquetes de análisis de supervivencia en python. Como comenta mbq arriba, la única ruta disponible sería utilizar Rpy.

Incluso si hubiera un paquete en python puro disponible, sería muy cuidadoso al usarlo, en particular yo revisaría:

• ¿Con qué frecuencia se actualiza?
• ¿Tiene una gran base de usuarios?
• ¿Ofrece técnicas avanzadas?

Uno de los beneficios de R es que estos paquetes estándar reciben una cantidad masiva de pruebas y retroalimentación de los usuarios. Al tratar con datos reales, pueden surgir casos inesperados.

Answer 3

python-asurv es un esfuerzo para portar el software asurv para métodos de supervivencia en astronomía. Puede valer la pena mantenerse al tanto, pero cgillespie tiene razón sobre las cosas a tener en cuenta: tiene un camino largo por recorrer y el desarrollo no parece activo. (Por lo que yo sé, solo existe un método y, aunque completado, el paquete puede ser insuficiente para, por ejemplo, biostatísticos.)

Probablemente sea mejor utilizar el paquete survival en R desde Python a través de algo como RPy o PypeR. No he tenido problemas haciendo esto yo mismo.

Answer 4

PyIMSL contiene un puñado de rutinas para análisis de supervivencia. Es Libre Como en una cerveza para uso no comercial, completamente compatible en otros casos. Desde la documentación en la Guía del Usuario de Estadísticas...

Calcula estimaciones de Kaplan-Meier de probabilidades de supervivencia: kaplanMeierEstimates()

Analiza datos de supervivencia y fiabilidad utilizando el modelo de riesgos proporcionales de Cox: propHazardsGenLin()

Analiza datos de supervivencia utilizando el modelo lineal generalizado: survivalGlm()

Estima utilizando varios modelos paramétricos: survivalEstimates()

Estima una función de riesgo de fiabilidad utilizando un enfoque no paramétrico: nonparamHazardRate()

Produce tablas de vida de población y cohortes: lifeTables()

Answer 5

Además de utilizar R a través de RPy o equivalente, existen una serie de rutinas de análisis de supervivencia en la biblioteca de python statsmodels (anteriormente conocida como sicpy.statsmodel). Sin embargo, estas se encuentran en el paquete de "sandbox", lo que significa que no están listas para producción en este momento.

Por ejemplo, tienes el modelo de Cox de riesgo proporcional codificado aquí.