Survival Analysis (Hayatta Kalma Analizi)

#VeriAnalizi #Istatistik #MakineOgrenimi #SaglikBilisimi

Gözlem süresi boyunca bir olayın (ölüm, arıza, churn) ne zaman gerçekleşeceğini modelleyen istatistiksel yöntemler bütünü.

Hayatta kalma analizi, bir olayın gerçekleşmesine kadar geçen süreyi modellemek ve tahmin etmek için geliştirilmiş istatistiksel yöntemler bütünüdür. Tıp araştırmalarında kanser hastalarının remisyon süresi, mühendislikte ekipman ömrü ve iş analitiğinde müşteri kaybı (churn) gibi senaryolarda temel başvuru kaynağıdır. Bu analizin en kritik zorluğu sansürleme (censoring) olgusudur: Çalışma süresi sona erdiğinde bazı katılımcılar için ilgilenilen olay henüz gerçekleşmemiş olabilir. Sağ-sansürlü (right-censored) veriler, bilinen son gözlem tarihine kadar olayın yaşanmadığını ifade eder; sansürlemeyi göz ardı etmek, hayatta kalma olasılığını ciddi biçimde olduğundan küçük tahmin etmeye yol açar. Kaplan-Meier (KM) tahmincisi, hayatta kalma olasılığını her olay anında adım adım güncelleyen parametrik-olmayan bir yöntemdir. Klinisyenler ve araştırmacılar tarafından standart görselleştirme aracı olarak kullanılır; iki grup arasındaki fark ise log-rank testiyle değerlendirilir. Cox Orantılı Tehlike (Cox PH) modeli, yaş, dozaj veya risk skoru gibi birden fazla kovaryantın tehlike oranına etkisini eş zamanlı olarak modelleyen yarı-parametrik bir regresyon yöntemidir. Taban tehlike fonksiyonunu tahmin etmeden çalışması, esnekliğinin temel kaynağıdır. Her bir katsayının exp(β) dönüşümü tehlike oranını (HR) verir; HR > 1 ise ilgili faktör olayı hızlandırır. Hızlandırılmış Arıza Süresi (AFT) modelleri ise Weibull veya lognormal gibi parametrik dağılımları temel alarak bekleme süresini doğrudan çıktı olarak verir; elde edilen hızlandırma faktörü yorumlamayı basitleştirir. Derin öğrenme çağında Random Survival Forest, DeepHit ve Pycox gibi makine öğrenmesi yöntemleri doğrusal olmayan etkileşimleri yakalama konusunda güçlü seçenekler sunar. Python ekosisteminde lifelines ve scikit-survival kütüphaneleri, standart scikit-learn API'siyle uyumlu araç zincirleri oluşturur. Sağlık bilişimi, sigorta aktüerliği, bankacılık, SaaS abonelik kaybı ve ürün güvenilirliği gibi alanlarda kritik kararların temel analitik altyapısını oluşturmaktadır.

Olay-Zaman Verisi ve Temel Problem

Birçok bilimsel ve iş sorusu yalnızca "olay gerçekleşti mi?" değil, "ne zaman gerçekleşti?" ile ilgilenir. Bir pazarlama kampanyasının müşteri churn süresine etkisini ölçmek, bir ilacın hastane yatış süresini kısaltıp kısaltmadığını belirlemek ya da bir veri merkezindeki sunucu ömrünü tahmin etmek bu kategoriye girer. Klasik regresyon modelleri bu tür verilerle başa çıkmakta yetersiz kalır çünkü bazı bireyler için gözlem süresi dolmadan olay gerçekleşmeyebilir — bu durum sansürleme (censoring) olarak tanımlanır ve yalnızca hayatta kalma analizi bu gerçekliği doğrudan modelleyebilir.

Sansürleme: Eksik Verinin Olasılıksal Ele Alınması

Sansürleme, olay gerçekleşmeden gözlem penceresinin kapandığı durumu ifade eder. En yaygın türü sağ-sansürleme (right censoring) olup bireyin çalışmadan ayrılması veya çalışmanın sona ermesi gibi nedenlerle oluşur. Sol-sansürleme (left censoring) ve aralık-sansürleme (interval censoring) de literatürde yer alır. Hayatta kalma analizi, sansürlü gözlemleri analizden çıkarmak yerine kısmi bilgi olarak modele dahil eder; bu yaklaşım tahmincilerin tutarlılığını korur ve seçim yanlılığını önler. Sansürlü gözlemleri görmezden gelmek, hayatta kalma olasılığını olduğundan küçük tahmin etmeye yol açar.

Kaplan-Meier Eğrisi ve Log-Rank Testi

Kaplan-Meier (KM) tahmincisi, parametrik bir dağılım varsaymadan hayatta kalma olasılığını S(t) = Π(1 − dᵢ/nᵢ) formülüyle her olay anında günceller. Adım fonksiyonu şeklinde çizilen KM eğrisi, zaman içindeki hayatta kalma olasılığını sezgisel biçimde sunar; eğrideki düşeyler olay zamanlarına, yatay çizgiler ise sansürlü gözlem aralıklarına karşılık gelir. İki veya daha fazla grubun KM eğrilerini istatistiksel olarak karşılaştırmak için log-rank testi kullanılır. Bu test, tedavi ve kontrol gruplarının hayatta kalma dağılımları arasındaki farkın rastlantıya atfedilemeyeceğini sınar.

Cox Orantılı Tehlike Modeli ve AFT

Cox Orantılı Tehlike Modeli h(t|X) = h₀(t)·exp(βX), taban tehlike fonksiyonunu parametrik olarak belirtmeksizin birden fazla kovaryantın tehlike oranını (hazard ratio) eş zamanlı olarak tahmin eder. β katsayılarının exp(β) dönüşümü tehlike oranını (HR) verir; HR > 1 ise ilgili değişken olayı hızlandırır. Orantılı tehlike varsayımı Schoenfeld kalıntılarıyla test edilmeli; ihlal durumunda zaman-kovaryant etkileşimleri veya Hızlandırılmış Arıza Süresi (AFT) modelleri tercih edilmelidir. AFT modelleri Weibull veya lognormal dağılımlara dayanarak bekleme süresini doğrudan çıktı olarak verir ve yorumlamayı kolaylaştırır.

Makine Öğrenmesi ile Hayatta Kalma Analizi

  • check_circle Random Survival Forest: Breiman'ın Rastgele Ormanının hayatta kalma verisine uyarlanmış halidir; doğrusal olmayan etkileşimleri otomatik olarak yakalar ve scikit-survival ile kullanılabilir.
  • check_circle DeepHit: Rekabetçi riskler ve çoklu olay türleri için tasarlanmış derin öğrenme tabanlı bir hayatta kalma modelidir; son derece esnek tahmin kapasitesi sunar.
  • check_circle lifelines (Python): KM, Cox, AFT ve Nelson-Aalen gibi temel yöntemleri tek çatıda sunan; görselleştirme ve model karşılaştırma araçları içeren açık kaynak kütüphanedir.
  • check_circle scikit-survival: scikit-learn ile tam uyumlu API sunarak Random Survival Forest, Gradient Boosting Survival ve SVM gibi makine öğrenmesi modellerine Pipeline desteğiyle erişim sağlar.
  • check_circle Kullanım Alanları: Klinik araştırma, sigorta aktuarlık hesabı, SaaS churn tahmini, bankacılıkta temerrüt süresi, ürün güvenilirlik testi ve personel devir süresi analizleri başlıca uygulama alanlarıdır.

Sık Sorulan Sorular

  • check_circle Survival analysis ile lojistik regresyon arasındaki temel fark nedir?: Lojistik regresyon yalnızca "olay gerçekleşti mi?" sorusunu yanıtlarken, survival analysis "ne zaman gerçekleşti?" sorusuna sansürlemeyi de göz önünde tutarak olasılıksal bir yanıt üretir.
  • check_circle Sansürleme veriyi kötü yapar mı?: Hayır; hayatta kalma analizi sansürlü gözlemleri kısmi bilgi olarak modele dahil eder. Sansürlü bireyleri analizden çıkarmak — sansürlemeyi görmezden gelmek — asıl yanlılık kaynağıdır.
  • check_circle Cox PH modelinin orantılı tehlike varsayımını nasıl test ederim?: Python'da lifelines.statistics.proportional_hazard_test() veya Schoenfeld kalıntı grafikleri kullanılır. Zamana karşı sistematik örüntü yoksa varsayım geçerlidir.
  • check_circle Churn analizinde nasıl uygulanır?: Abonelik iptali olay, aktif müşteriler sansürlü gözlem olarak tanımlanır. Cox PH modeli hangi müşteri özelliklerinin (kullanım sıklığı, plan türü) churn hızını artırdığını oransal olarak ölçer.
  • check_circle Küçük örneklerde hangi yöntem kullanılmalı?: n < 100 için Kaplan-Meier ve Cox PH parametrik olmayan / yarı-parametrik yapıları nedeniyle güvenilirliğini korur. Makine öğrenmesi tabanlı yöntemler büyük veri setlerinde üstünlük kazanır.