In het eerste hoofdstuk introduceren we het concept van survivalanalyse, leggen we uit waarom dit onderwerp belangrijk is, en geven we een korte introductie in de theorie achter overlevingscurves. We bespreken waarom speciale methoden nodig zijn bij tijd-tot-gebeurtenisgegevens en introduceren het concept censurering. We bespreken ook hoe we de verdeling van de verstreken tijd tot een gebeurtenis beschrijven.

De term "survival analysis"

Kennismaken met de GBSG2-gegevensset

Wat komt er aan bod in deze cursus?

Waarom survivalmethoden leren?

Dieper in de GBSG2-gegevensset 1

De functie Surv() gebruiken voor GBSG2

De UnempDur-gegevensset

Maten die worden gebruikt in survivalanalyse

Een overlevingscurve interpreteren I

Een overlevingskromme interpreteren II

Een overlevingscurve interpreteren III

Wat is survivalanalyse?

In dit hoofdstuk bekijken we verschillende methoden om overlevingscurves te schatten. We bespreken de Kaplan-Meier-schatting en het Weibull-model als hulpmiddelen voor het schatten van overlevingscurves en leren hoe je die resultaten kunt communiceren via visualisaties.

Kaplan-Meier-schatting

Functie om de Kaplan-Meier-schatting te berekenen

Eerste Kaplan-Meier-schatting

Wanneer daalt de Kaplan-Meier-curve?

Waarom Kaplan-Meier gebruiken

Kaplan-Meier-curves begrijpen en visualiseren

Oefening waarbij censoring wordt genegeerd

Een overlevingscurve schatten en visualiseren

Het Weibull-model voor het schatten van overlevingscurves

De mediane overleving schatten met een Weibull-model

Kwantielen van de overlevingscurve uit een Weibull-model

De overlevingscurve schatten met survreg()

De resultaten van Weibull-modellen visualiseren

Weibull-model vergelijken met Kaplan-Meier-schatting

Schatting van overlevingscurves

In dit hoofdstuk leren we hoe je een Weibull-model schat en visualiseert om inzicht te krijgen in de effecten van covariaten op de tijd-tot-gebeurtenis-uitkomst.

Waarom het Weibull-model gebruiken

Coëfficiënten interpreteren

Weibull-model berekenen

Weibull-modellen visualiseren

ggsurvplot() versus ggsurvplot_df()

Een Weibull-model en de overlevingscurves berekenen

Een Weibull-model visualiseren

Plotopties

Andere verdelingen dan Weibull

Argumenten van survreg()

Een Weibull- en een lognormaal model berekenen

Weibull- en lognormaalmodel vergelijken I

Weibull- en lognormaalmodel vergelijken II

Het Weibull-model

In het laatste hoofdstuk leren we hoe je Cox-modellen berekent en interpreteert, waarom ze nuttig zijn en hoe ze verschillen van Weibull-modellen.

Het Cox-model

Een Cox‑model berekenen

Aanname van proportionele hazards

Het Cox-model visualiseren

De overlevingscurve berekenen met een Cox-model

Een Cox-model visualiseren

surv_summary()

Wat je hebt geleerd

Waarom "denkbeeldige patiënten"?

Eindopdracht: Het Cox-model

Eindopdracht: overlevingscurves vergelijken

Tot ziens

Overleven patiënten die het nieuwe medicijn gebruiken langer dan anderen? Hoe snel vinden mensen een nieuwe baan na werkloos te zijn geworden? Wat kan ik doen om mijn vrienden op mijn feest op de dansvloer te houden? Al deze vragen vereisen de analyse van tijd-tot-gebeurtenisgegevens, waarvoor we speciale statistische methoden gebruiken. Deze cursus introduceert de basisconcepten van tijd-tot-gebeurtenisanalyse, ook wel survivalanalyse genoemd. Leer hoe je met tijd-tot-gebeurtenisgegevens omgaat en hoe je overlevingscurves berekent, visualiseert en interpreteert, evenals Weibull- en Cox-modellen.

Introduction to Regression in R

Leer werken met tijd-tot-gebeurtenisdata. Schat, visualiseer en interpreteer overlevingsmodellen!

Survivalanalyse in R

Statisticus in R

Functie om de Kaplan-Meier-schatting te berekenen

Survivalanalyse in R

Interactieve oefening met praktijkervaring