공변량이 있는 생존 모형을 그릴 때 왜 "가상의 환자"로 구성된 data.frame을 만들어야 하나요?
data.frame
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
첫 번째 장에서는 생존 분석의 개념을 소개하고, 이 주제가 왜 중요한지 설명하며, 생존 곡선의 이론을 간단히 살펴봅니다. 사건-발생 시간 데이터를 다룰 때 왜 특별한 방법이 필요한지와 함께 검열(censoring) 개념을 소개합니다. 또한 사건이 발생하기까지 걸린 시간의 분포를 어떻게 기술하는지도 다룹니다.
이 장에서는 생존 곡선을 추정하는 다양한 방법을 살펴봅니다. 생존 곡선 추정을 위한 도구로 Kaplan-Meier 추정과 Weibull 모형을 소개하고, 그 결과를 시각화를 통해 어떻게 효과적으로 전달할지 배웁니다.
이 장에서는 Weibull 모형을 추정하고 시각화하는 방법을 배우며, 공변량이 사건-발생 시간 결과에 미치는 영향을 이해합니다.
마지막 장에서는 Cox 모형을 계산하고 해석하는 방법을 배우며, 이 모형이 왜 유용한지, 그리고 Weibull 모형과 어떻게 다른지를 이해합니다.
현재 연습
