Kaplan-Meier एस्टीमेटर को फिट करना

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Survival Analysis

SkillTag.level.advancedSkillTag.label

4.8+

पाठ्यक्रम मुफ्त में शुरू करें

Survival analysis किन समस्याओं को हल करता है, और censorship क्या होती है? आप survival analysis डेटा को एक्सप्लोर करते हुए, survival कर्व्स बनाएँगे, और survival time के बुनियादी अनुमान लगाते हुए इन सवालों के जवाब देंगे।

Exercise 1: Survival analysis क्या है?Exercise 2: सर्वाइवल एनालिसिस किन समस्याओं को हल करता है?Exercise 3: Survival analysis के लिए सही डेटा चुनें Exercise 4: Survival Analysis का उपयोग क्यों करें?Exercise 5: सेंसरशिप के प्रकार की पहचान करें Exercise 6: Censored डेटा का प्रीप्रोसेसिंग Exercise 7: Censored डेटा पर पहली नज़र Exercise 8: आपका पहला survival curve!Exercise 9: एक सर्वाइवल कर्व बनाइए Exercise 10: लॉन्ग लिव डेमोक्रेसी!

इस चैप्टर में, आप सीखेंगे कि Kaplan-Meier मॉडल कैसे काम करता है और इसे fit, visualize, और interpret कैसे किया जाता है। इसके बाद, आप इस मॉडल को लागू करके जाँचेंगे कि श्रेणीबद्ध (categorical) वैरिएबल्स survival को कैसे प्रभावित करते हैं, और log-rank test जैसे hypothesis testing तरीकों का उपयोग करके अपने विश्लेषण को कैसे समृद्ध किया जा सकता है।

Exercise 1: Kaplan-Meier एस्टीमेटर को फिट करना

वर्तमान अभ्यास

Exercise 2: Kaplan-Meier estimator को कैसे फिट करें?Exercise 3: हृदय रोगी की सर्वाइवल Exercise 4: अपने Kaplan-Meier मॉडल का विज़ुअलाइज़ेशन Exercise 5: Survival curve को plot करना Exercise 6: रोगियों में दर्द की पुनरावृत्ति का उपचार Exercise 7: समूहों पर सर्वाइवल एनालिसिस लागू करना Exercise 8: सीनेटरों के कार्यकाल Exercise 9: मरीजों के दर्द-निवारण उपचारों की तुलना Exercise 10: लॉग-रैंक टेस्ट Exercise 11: लॉग-रैंक टेस्ट के लिए उपयुक्त डेटा Exercise 12: सर्वाइवल कर्व्स की plotting और तुलना Exercise 13: लॉग-रैंक टेस्ट

Parametric मॉडलों के साथ time-to-event डेटा को कैसे मॉडल किया जाए, यह जानिए। Weibull मॉडल और Weibull AFT मॉडल का उपयोग कैसे करें और वे किन अलग-अलग उद्देश्यों की पूर्ति करते हैं, यह सीखिए। Survival regression का उपयोग करके यह निष्कर्ष निकालिए कि covariates survival फंक्शन को कैसे प्रभावित करते हैं, और अपने डेटा के लिए सर्वश्रेष्ठ survival मॉडल कैसे चुना जाए, यह भी सीखिए।

Exercise 1: Weibull मॉडल फिट करना Exercise 2: Weibull के साथ जेल डेटा मॉडल करें Exercise 3: Weibull मॉडल के पैरामीटर्स की तुलना करें Exercise 4: कोवेरिएट्स के साथ Weibull मॉडल Exercise 5: हृदय रोगियों की विशेषताओं का विश्लेषण करें Exercise 6: gender-LVDD इंटरैक्शन का अन्वेषण करें Exercise 7: Weibull मॉडल के साथ विज़ुअलाइज़ेशन और प्रेडिक्शन Exercise 8: पहली की गई गिरफ़्तारियाँ दोबारा गिरफ़्तारी की दर को कैसे प्रभावित करती हैं?Exercise 9: पुनः-गिरफ्तारी दर का पूर्वानुमान Exercise 10: अन्य डिस्ट्रीब्यूशन और मॉडल चयन Exercise 11: Fit कितना अच्छा है?Exercise 12: एक पैरामीट्रिक मॉडल चुनें

एक और चैप्टर, एक और मॉडल! इस अंतिम चैप्टर में, आप proportional hazards धारणा और Cox Proportional Hazards मॉडल को fit और interpret करने में उसकी भूमिका के बारे में सीखेंगे। आप यह भी सीखेंगे कि Cox Proportional Hazards मॉडल का उपयोग करके नए subjects के survival times की भविष्यवाणी कैसे की जाती है।

Exercise 1: Cox Proportional Hazards मॉडल फिट करना Exercise 2: Cox PH के साथ जेल डेटा का मॉडल बनाएँ Exercise 3: कस्टम Cox PH मॉडल Exercise 4: Cox PH मॉडल की व्याख्या Exercise 5: Cox PH मॉडल में सर्वाइवल टाइम Exercise 6: Survival पर covariate effects प्लॉट करें Exercise 7: Proportional Hazards धारणा Exercise 8: KM कर्व्स से PH अनुमान की जाँच करें Exercise 9: PH धारणा को ऑटोमेटिकली टेस्ट करें Exercise 10: Cox PH मॉडल से प्रेडिक्शन Exercise 11: कर्मचारी churn अध्ययन Exercise 12: छोड़ने से पहले भविष्यवाणी करें!Exercise 13: बधाई हो!