silent_deployment_drift.png

def fig_silent_deployment_drift(drift: pd.DataFrame) -> None:
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(9.5, 4.6))
    fig.subplots_adjust(top=0.78, bottom=0.3, wspace=0.32)

    ax1.plot(drift["month"], drift["auc"], "o-", color=PRIMARY, lw=2)
    ax1.set_ylim(0.5, 1.0)
    ax1.set_xlabel("Monat im Silent Deployment")
    ax1.set_ylabel("AUC")
    ax1.set_title("Diskriminierung (AUC)", loc="left")

    ax2.plot(drift["month"], drift["observed"], "o-", color=EVENT, lw=2,
             label="beobachtete Sterblichkeit")
    ax2.plot(drift["month"], drift["predicted"], "o-", color=PRIMARY, lw=2,
             label="mittleres vorhergesagtes Risiko")
    ax2.set_ylim(0, 0.4)
    ax2.set_xlabel("Monat im Silent Deployment")
    ax2.set_ylabel("Anteil")
    ax2.set_title("Kalibrierung im Mittel", loc="left")
    ax2.legend(loc="upper left", fontsize=8.6, frameon=False)
    last = drift.iloc[-1]
    ax2.annotate(f"O:E = {last['oe']:.2f}".replace(".", ","), (last["month"], last["observed"]),
                 textcoords="offset points", xytext=(-62, 6), fontsize=9, color=EVENT)

    fig.suptitle("Dasselbe eingefrorene Modell, steigendes Grundrisiko:\n"
                 "AUC bleibt gleich, die Risiken werden zunehmend unterschaetzt",
                 fontsize=12.5, fontweight="bold", x=0.02, ha="left", y=0.98)
    slope0 = f"{drift['slope'].iloc[0]:.2f}".replace(".", ",")
    slope6 = f"{drift['slope'].iloc[-1]:.2f}".replace(".", ",")
    fig.text(0.02, 0.02, "Validierung an den zurueckgehaltenen Patient:innen. Simuliert: Log-Odds des Todes\n"
                        "steigen jeden Monat um 0,15 bei gleichem Merkmalsprofil. Die Kalibrierungs-Steigung\n"
                        f"bleibt nahe 1 ({slope0} -> {slope6}); nur das mittlere Niveau verschiebt sich.",
             fontsize=8.6, color="#6B7178")
    save(fig, ASSETS / "silent_deployment_drift.png")