15.15: Hayatta Kalma Ağaçları

Hayatta kalma ağaçları, bir dizi yardımcı değişken ile ilgi duyulan bir olayın meydana gelmesine kadar geçen süre arasındaki ilişkiyi modellemek için hayatta kalma analizinde kullanılan parametrik olmayan bir yöntemdir. Genellikle "olaya kadar geçen süre" veya "hayatta kalma süresi" olarak adlandırılır. Bu yöntem, özellikle sansürlü verilerle uğraşırken, olayın çalışma periyodunun sonunda bazı bireyler için meydana gelmediği veya olayın tam zamanının bilinmediği durumlarda faydalıdır.

 Bir Hayatta Kalma Ağacı Oluşturma

Bir hayatta kalma ağacı oluşturma, yardımcı değişkenleri (tahmin edici değişkenler) ve hayatta kalma süresini içeren bir veri kümesiyle ve her bir denek için bir sansür göstergesiyle başlar. Süreç aşağıdaki adımları içerir:

1. Veri Hazırlama: Veri kümesi, gerekli tüm yardımcı değişkenlerin dahil edilmesi ve uygun şekilde biçimlendirilmesi sağlanarak hazırlanır. Eksik değerler, tahmin veya ayrı bir kategori olarak ele alma gibi yöntemler kullanılarak işlenebilir.
2. Ağaç Oluşturma: Hayatta kalma ağacı, yinelemeli bölümlendirme süreci kullanılarak oluşturulur. Her adımda, veri seti hayatta kalma sonuçlarını en iyi şekilde farklılaştıran bir yardımcı değişkene göre iki alt kümeye ayrılır. Bu genellikle gruplar arasındaki hayatta kalma dağılımlarını karşılaştıran log-rank testi gibi bir bölme kriteri kullanılarak yapılır.
3. Düğüm Değerlendirmesi: Ağaçtaki her düğüm, verilerin bir alt kümesini temsil eder ve terminal düğümler (yapraklar), hayatta kalma fonksiyonunun Kaplan-Meier tahminine göre değerlendirilir. Bu, o düğüme düşen deneklerin hayatta kalma olasılığının bir tahminini sağlar.
4. Budama: Aşırı uyumu önlemek için, ağaç, model doğruluğunda önemli bir iyileştirme sağlamayan düğümler kaldırılarak budanır. Bu adım, ağacın yeni verilere genelleştirilebilir olmasını sağlar.

 Avantajlar ve Dezavantajlar

Avantajlar:

1. Esneklik: Hayatta kalma ağaçları çok çeşitli veri türlerini işleyebilir ve aykırı değerlere ve eksik değerlere karşı dayanıklıdır.
2. Yorumlanabilirlik: Ağaç yapısı yorumlanması kolaydır ve yardımcı değişkenler ile hayatta kalma süresi arasındaki ilişkinin doğrudan görselleştirilmesine olanak tanır.
3. Parametrik Olmayan Nitelik: Hayatta kalma sürelerinin dağılımı veya yardımcı değişkenler ile hayatta kalma arasındaki ilişkinin işlevsel biçimi hakkında varsayımlar gerektirmezler.

Dezavantajları:

1. Aşırı uyum: Uygun budama yapılmadan, hayatta kalma ağaçları eğitim verilerine aşırı uyum sağlayabilir ve bu da zayıf genellemeye yol açabilir.
2. Kararsızlık: Verilerdeki küçük değişiklikler ağaç yapısında önemli değişikliklere yol açabilir ve bu da onları hayatta kalma ormanları gibi diğer yöntemlere kıyasla daha az kararlı hale getirebilir.

Bir hayatta kalma ağacı, bir dizi ortak değişken ile ilgilenilen bir olayın meydana gelmesine kadar geçen süre arasındaki ilişkiyi modellemek ve görselleştirmek için kullanılır. Genellikle özyinelemeli bir bölümleme işlemi kullanılarak oluşturulur.

Ağacın dalları, bir değişkenin değerlerindeki bölünmeleri temsil eder. Düğümler, verilerin alt kümelerini temsil eder ve terminal düğümleri, düğümdeki deneklerin sayısını gösterir ve analizin nihai tahminlerini sağlayabilir.

Bir hayatta kalma ağacı oluşturmak esas olarak ortak değişkenler, bölme kriterleri, minimum düğüm boyutu ve budama eşikleri gerektirir.

Ortak değişkenler veya tahmin değişkenleri sürekli, sıralı veya kategorik olabilir.

Bölme kriteri, her düğümde en iyi bölmeyi seçmek için bir yöntemdir. Ya düğüm içindeki riski en aza indirmek ya da düğümler arasındaki ayrılma derecesini en üst düzeye çıkarmak için uygulanır.

Minimum düğüm boyutu, bir düğümün daha fazla bölünmesi için gereken en küçük gözlem sayısıdır. Bu, ağacın boyutunu kontrol etmeye yardımcı olur ve aşırı oturmayı önler.

Son olarak, budama eşiği, ağacı budamayı ne zaman durduracağınıza karar vermek için bir ölçüdür.