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.

"Survival Analysis"라는 용어

GBSG2 데이터셋 소개

이 강의에서 무엇을 배우나요?

왜 생존분석 방법을 배워야 할까요?

GBSG2 데이터셋 깊이 살펴보기 1

GBSG2에 Surv() 함수 사용하기

UnempDur 데이터셋

생존분석에서 사용하는 측도

생존 곡선 해석 I

생존 곡선 해석 II

생존 곡선 해석 III

생존 분석이란 무엇인가요?

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. 

Kaplan-Meier 추정

Kaplan-Meier 추정치를 계산하는 함수

첫 번째 카플란-마이어 추정

Kaplan-Meier 곡선은 언제 감소하나요?

왜 Kaplan-Meier를 쓰나요

Kaplan-Meier 곡선 이해와 시각화

검열을 무시한 연습 문제

생존 곡선 추정과 시각화

생존 곡선 추정을 위한 Weibull 모형

Weibull 모델로 중앙 생존시간 추정하기

Weibull 모형에서의 생존 곡선 분위수

survreg()로 생존곡선 추정하기

Weibull 모형 결과 시각화하기

Weibull 모형과 Kaplan-Meier 추정 비교

생존 곡선 추정

이 장에서는 Weibull 모형을 추정하고 시각화하는 방법을 배우며, 공변량이 사건-발생 시간 결과에 미치는 영향을 이해합니다.

왜 Weibull 모형을 사용할까요

계수 해석하기

Weibull 모형 계산

Weibull 모델 시각화

ggsurvplot() 대 ggsurvplot_df()

Weibull 모형과 생존 곡선 계산하기

Weibull 모형 시각화하기

그래프 옵션

Weibull 외 다른 분포

survreg()의 인자

Weibull 모델과 로그 정규 모델 계산하기

Weibull 모델과 로그-정규 모델 비교 I

Weibull 모델과 로그 정규 모델 비교 II

Weibull 모형

마지막 장에서는 Cox 모형을 계산하고 해석하는 방법을 배우며, 이 모형이 왜 유용한지, 그리고 Weibull 모형과 어떻게 다른지를 이해합니다.

Cox 모형

Cox 모형 계산하기

비례 위험 가정

Cox 모형 시각화

Cox 모형에서 생존 곡선 계산하기

surv_summary()

이번에 배운 내용

왜 "가상의 환자"인가요?

캡스톤: Cox 모형

캡스톤: 생존 곡선 비교

안녕히 가세요

새 약을 복용한 환자는 다른 환자보다 더 오래 생존하나요? 실직 후 사람들은 얼마나 빨리 새 직장을 구하나요? 파티에서 친구들이 춤추는 시간을 어떻게 하면 더 길게 유지할 수 있을까요? 이런 질문들은 모두 사건 발생까지의 시간을 다루는 데이터 분석이 필요하며, 이를 위해서는 특별한 통계 기법을 사용합니다. 이 강의는 사건-발생 시간 데이터 분석, 즉 생존 분석의 기본 개념을 소개합니다. 사건-발생 시간 데이터를 다루는 방법과 생존 곡선, Weibull 모형, Cox 모형을 계산하고 시각화하며 해석하는 방법을 배워요.

Introduction to Regression in R

생존 분석을 배우세요. 실업 후 취업이나 사망 같은 사건을 예측하고 해석하는 방법을 익히세요.

R로 배우는 생존 분석

생존분석용 시간-사건 데이터 다루기. 사망 또는 실업 후 취업 등 사건을 예로 들고, 모델의 추정·시각화·해석을 학습합니다.

생존분석에서 사용하는 측도

Create Your Free Account