W pierwszym rozdziale omawiamy koncepcję analizy przeżycia, wyjaśniamy, dlaczego jest to ważny temat, i przedstawiamy krótkie wprowadzenie do teorii krzywych przeżycia. Dowiesz się, dlaczego dane o czasie do zdarzenia wymagają specjalnych metod, oraz poznasz pojęcie cenzurowania. Omówimy też, jak opisywać rozkład czasu, który upływa do wystąpienia zdarzenia.

Termin „analiza przeżycia"

Poznaj zbiór danych GBSG2

Co obejmuje ten kurs?

Dlaczego warto uczyć się metod analizy przeżycia?

Eksploracja zbioru danych GBSG2 – część 1

Używanie funkcji Surv() dla zbioru GBSG2

Zbiór danych UnempDur

Miary stosowane w analizie przeżycia

Interpretacja krzywej przeżycia I

Interpretacja krzywej przeżycia – część II

Interpretacja krzywej przeżycia III

Czym jest analiza przeżycia?

W tym rozdziale przyjrzymy się różnym metodom estymacji krzywych przeżycia. Omówimy estymator Kaplana-Meiera i model Weibulla jako narzędzia do estymacji krzywych przeżycia, a także nauczysz się prezentować wyniki za pomocą wizualizacji.

Estymator Kaplana-Meiera

Funkcja do obliczania estymatora Kaplana-Meiera

Pierwsza estymata Kaplana-Meiera

Kiedy krzywa Kaplana-Meiera opada?

Dlaczego używać estymatora Kaplana-Meiera

Interpretacja i wizualizacja krzywych Kaplana-Meiera

Ćwiczenie z pominięciem cenzurowania

Estymacja i wizualizacja krzywej przeżycia

Model Weibulla do estymacji krzywych przeżycia

Szacowanie mediany przeżycia na podstawie modelu Weibulla

Kwantyle krzywej przeżycia z modelu Weibulla

Szacowanie krzywej przeżycia za pomocą survreg()

Wizualizacja wyników modeli Weibulla

Porównanie modelu Weibulla i estymatora Kaplana-Meiera

Estymacja krzywych przeżycia

W tym rozdziale nauczysz się estymować i wizualizować model Weibulla, aby zbadać wpływ zmiennych objaśniających na czas do wystąpienia zdarzenia.

Dlaczego warto używać modelu Weibulla

Interpretacja współczynników

Oblicz model Weibulla

Wizualizacja modeli Weibulla

ggsurvplot() a ggsurvplot_df()

Obliczanie modelu Weibulla i krzywych przeżycia

Wizualizacja modelu Weibulla

Opcje wykresów

Inne rozkłady niż Weibulla

Argumenty funkcji survreg()

Obliczanie modelu Weibulla i modelu log-normalnego

Porównanie modelu Weibulla i log-normalnego I

Porównanie modelu Weibulla i modelu log-normalnego II

Model Weibulla

W ostatnim rozdziale nauczysz się obliczać i interpretować modele Coxa – zrozumiesz, dlaczego są przydatne i czym różnią się od modeli Weibulla.

Model Coxa

Obliczanie modelu Coxa

Założenie proporcjonalnych hazardów

Wizualizacja modelu Coxa

Obliczanie krzywej przeżycia na podstawie modelu Coxa

surv_summary()

Czego się nauczyliśmy

Dlaczego "wyobrażeni pacjenci"?

Podsumowanie: model Coxa

Podsumowanie: porównywanie krzywych przeżycia

Do widzenia

Czy pacjenci przyjmujący nowy lek żyją dłużej niż pozostali? Jak szybko osoby bezrobotne znajdują nową pracę? Co zrobić, żeby goście zostali na parkiecie do końca imprezy? Wszystkie te pytania wymagają analizy danych dotyczących czasu do wystąpienia zdarzenia – do tego celu stosuje się specjalne metody statystyczne. Ten kurs wprowadza podstawowe pojęcia analizy takich danych, zwanej również analizą przeżycia. Dowiesz się, jak pracować z danymi o czasie do zdarzenia, jak obliczać, wizualizować i interpretować krzywe przeżycia oraz modele Weibulla i Coxa.

Introduction to Regression in R

Naucz się pracować z danymi czas-do-zdarzenia. Szacuj, wizualizuj i interpretuj modele przeżycia!

Analiza przeżycia w R

Statystyk w R

Statistician at LMU Munich

Dlaczego potrzebujemy specjalnych metod dla danych czas-do-zdarzenia?

Dlaczego analiza przeżycia

Tworzenie obiektów Surv

Pakiety R

Czas na ćwiczenia!

Czym jest analiza przeżycia? - Dlaczego warto uczyć się metod analizy przeżycia?

Dlaczego warto uczyć się metod analizy przeżycia?

Create Your Free Account