competing-risks

# 竞争风险分析 ## 概述 当研究对象可能经历多个互斥事件（事件类型）之一时，就会出现竞争风险。当一个事件发生时，它会阻止（“竞争”）其他事件的发生。 ### 竞争风险示例 **医学研究：** - 癌症死亡 vs 心血管疾病死亡 vs 其他原因死亡 - 癌症研究中的复发 vs 无复发死亡 - 移植患者中不同类型的感染 **其他应用：** - 工作终止：退休 vs 辞职 vs 解雇 - 设备故障：不同的故障模式 - 客户流失：不同的离开原因 ### 核心概念：累积发生率函数 (CIF) **累积发生率函数 (CIF)** 表示在时间 *t* 之前经历特定事件类型的概率，同时考虑了竞争风险的存在。 **CIF_k(t) = P(T ≤ t, 事件类型 = k)** 这与 Kaplan-Meier 估计量不同，后者在存在竞争风险时会高估事件概率。 ## 何时使用竞争风险分析 **在以下情况使用竞争风险分析：** - 存在多个互斥的事件类型 - 一个事件的发生阻止了其他事件 - 需要估计特定事件类型的概率 - 希望了解协变量如何影响不同的事件类型 **不要在以下情况使用：** - 仅关注一种事件类型（使用标准生存分析） - 事件不是互斥的（使用复发事件方法） - 竞争事件极其罕见（可视为删失） ## 竞争风险下的累积发生率 ### cumulative_incidence_competing_risks 函数 估计每种事件类型的累积发生率函数。 python from sksurv.nonparametric import cumulative_incidence_competing_risks from sksurv.datasets import load_leukemia # 加载带有竞争风险的数据 X, y = load_leukemia() # y 包含事件类型：0=删失, 1=复发, 2=死亡 # 计算每种事件类型的累积发生率 # 返回：时间点, 事件 1 的 CIF, 事件 2 的 CIF, ... time_points, cif_1, cif_2 = cumulative_incidence_competing_risks(y) # 绘制累积发生率函数 import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) plt.step(time_points, cif_1, where='post', label='复发', linewidth=2) plt.step(time_points, cif_2, where='post', label='缓解期死亡', linewidth=2) plt.xlabel('时间 (周)') plt.ylabel('累积发生率') plt.title('竞争风险：复发 vs 死亡')