Pada bab pertama, kami memperkenalkan konsep analisis survival, menjelaskan pentingnya topik ini, dan memberikan pengantar singkat mengenai teori di balik kurva survival. Kami membahas mengapa diperlukan metode khusus saat bekerja dengan data waktu-ke-kejadian dan memperkenalkan konsep sensor. Kami juga membahas bagaimana kita mendeskripsikan sebaran waktu yang berlalu hingga suatu kejadian terjadi.

Istilah "survival analysis"

Mengenal himpunan data GBSG2

Apa saja yang akan dibahas dalam kursus ini?

Mengapa mempelajari metode survival?

Menyelami himpunan data GBSG2 1

Menggunakan fungsi Surv() untuk GBSG2

Himpunan data UnempDur

Ukuran yang digunakan dalam analisis kelangsungan hidup

Menafsirkan kurva kelangsungan hidup I

Menginterpretasikan kurva kelangsungan hidup II

Menafsirkan kurva survival III

Apa itu Analisis Survival?

Pada bab ini, kita akan meninjau berbagai metode untuk mengestimasi kurva survival. Kita akan membahas estimasi Kaplan–Meier dan model Weibull sebagai alat untuk estimasi kurva survival serta mempelajari cara mengomunikasikan hasil tersebut melalui visualisasi.

Estimasi Kaplan–Meier

Fungsi untuk menghitung taksiran Kaplan–Meier

Estimasi Kaplan-Meier pertama

Kapan kurva Kaplan-Meier menurun?

Mengapa menggunakan Kaplan–Meier

Memahami dan memvisualisasikan kurva Kaplan–Meier

Latihan mengabaikan sensor

Mengestimasi dan memvisualisasikan kurva ketahanan hidup

Model Weibull untuk mengestimasi kurva kelangsungan hidup

Mengestimasi median kelangsungan hidup dari model Weibull

Kuantil kurva survival dari model Weibull

Mengestimasi kurva survival dengan survreg()

Memvisualisasikan hasil model Weibull

Membandingkan model Weibull dan estimasi Kaplan-Meier

Estimasi kurva survival

Pada bab ini, kita akan mempelajari cara mengestimasi dan memvisualisasikan model Weibull untuk memahami pengaruh kovariat terhadap luaran waktu-ke-kejadian.

Mengapa menggunakan model Weibull

Menafsirkan koefisien

Hitung model Weibull

Memvisualisasikan model Weibull

ggsurvplot() versus ggsurvplot_df()

Menghitung model Weibull dan kurva survival

Opsi pemetaan

Distribusi selain Weibull

Argumen survreg()

Menghitung model Weibull dan log-normal

Membandingkan Model Weibull dan Log-Normal I

Membandingkan Model Weibull dan Log-Normal II

Model Weibull

Pada bab terakhir, kita mempelajari cara menghitung dan menafsirkan model Cox untuk memahami kegunaannya serta perbedaannya dibandingkan model Weibull.

Model Cox

Menghitung model Cox

Asumsi proportional hazards

Memvisualisasikan model Cox

Menghitung kurva survival dari model Cox

surv_summary()

Apa yang telah kita pelajari

Mengapa "pasien imajiner"?

Capstone: Model Cox

Proyek Akhir: Membandingkan kurva survival

Selamat tinggal

Apakah pasien yang mengonsumsi obat baru bertahan hidup lebih lama daripada yang lain? Seberapa cepat orang mendapatkan pekerjaan baru setelah menganggur? Apa yang dapat saya lakukan agar teman-teman tetap berada di lantai dansa saat pesta saya? Semua pertanyaan ini memerlukan analisis data waktu-ke-kejadian, yang menggunakan metode statistik khusus. Kursus ini memperkenalkan konsep dasar analisis data waktu-ke-kejadian, yang juga disebut analisis survival. Pelajari cara menangani data waktu-ke-kejadian serta cara menghitung, memvisualisasikan, dan menafsirkan kurva survival serta model Weibull dan Cox.

Introduction to Regression in R

Pelajari data waktu-ke-kejadian, seperti kematian atau mendapat pekerjaan. Estimasi dan interpretasi model!

Analisis Survival di R

Ahli Statistik di R

Asumsi proportional hazards

Analisis Survival di R

Latihan interaktif langsung