為什麼在繪製由 Weibull 模型估計的存活函數時，需要使用選項 surv.geom = geom_line？
surv.geom = geom_line
ggsurvplot_df(surv_wbmod, surv.geom = geom_line, linetype = "horTh", color = "tsize", legend.title = NULL)
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在第一章，我們會介紹生存分析的概念，說明此主題的重要性，並快速帶你認識生存曲線背後的理論。我們會討論為什麼在處理事件發生時間資料時需要特殊方法，並介紹「設限」（censoring）的概念。我們也會說明如何描述直到事件發生所經歷時間的分布。
本章將探討估計生存曲線的不同方法。我們會討論 Kaplan–Meier 估計與 Weibull 模型，作為生存曲線估計的工具，並學習如何透過視覺化來傳達這些結果。
本章你將學會如何估計與視覺化 Weibull 模型，以瞭解共變數對事件發生時間結果的影響。
當前練習
最後一章，我們將學習如何計算與解讀 Cox 模型，以瞭解其用途，以及它與 Weibull 模型的差異。
