生存分析解决哪些问题？什么是删失？您将在探索生存分析数据、构建生存曲线并对生存时间进行基础估计的过程中回答这些问题。

什么是生存分析？

生存分析能解决什么问题？

为生存分析选择合适的数据

为什么要使用生存分析？

辨别删失类型

预处理删失数据

初探被删失数据

您的第一条生存曲线！

绘制生存曲线

民主万岁！

生存分析入门

在本章中，您将学习 Kaplan-Meier 模型的工作原理，以及如何拟合、可视化并解释该模型。随后，您将应用该模型来探索分类变量如何影响生存，并学习如何使用对数秩检验等假设检验方法来补充分析。

拟合 Kaplan-Meier 估计器

Options

Needed

Not needed

如何拟合 Kaplan-Meier 估计量？

心脏病患者的生存情况

可视化您的 Kaplan-Meier 模型

患者肌肉酸痛的治疗

将生存分析应用于分组

参议员的任期

比较患者酸痛治疗方案

Log-rank 检验

选项

适用于秩和检验的数据

绘制并比较生存曲线

生存曲线估计

了解如何使用参数模型对事件时间数据进行建模。学习 Weibull 模型与 Weibull AFT 模型的用法及其各自适用场景。通过生存回归推断协变量如何影响生存函数，并学习如何为您的数据选择最佳的生存模型。

拟合 Weibull 模型

用 Weibull 建模监狱数据

比较 Weibull 模型参数

含协变量的 Weibull 模型

分析心脏病患的特征

探索 gender-LVDD 的交互作用

使用 Weibull 模型进行可视化与预测

既往逮捕次数如何影响再逮捕率？

预测再次被捕率

其他分布与模型选择

拟合得有多好？

选择参数模型

Weibull 模型

又一个章节，又一种模型！在最后一章中，您将学习比例风险假设及其在拟合和解释 Cox 比例风险模型中的作用。您还将学习如何使用 Cox 比例风险模型来预测新个体的生存时间。

拟合 Cox 比例风险模型

用 Cox PH 建模监狱数据

自定义 Cox PH 模型

解读 Cox PH 模型

Cox PH 模型的生存时间

绘制协变量对生存的影响

比例风险假设

用 KM 曲线检验 PH 假设

自动检验 PH 假设

使用 Cox PH 模型进行预测

员工流失研究

他们何时离职？先做个预测！

恭喜您！

Cox PH 模型

Echocardiogram data

Prison recidivism data

Regimes data

Employee attrition data

接触流感后症状多久会出现？如果不知道人们何时感染，又该怎么办？薪资和工作与生活的平衡是否会影响员工离职的速度？许多真实问题需要通过生存分析来稳健地估计事件发生时间，从事件时间分布中提炼洞见。本课程将带您了解生存分析的基本概念。通过动手练习，您将学习如何使用 Kaplan-Meier、Weibull 和 Cox PH 模型来计算、可视化、解释并比较生存曲线。完成课程后，您将能够建模生存分布，绘制美观的生存曲线图，甚至预测生存时长。

Introduction to Regression with statsmodels in Python

Hypothesis Testing in Python

使用生存分析处理事件时间数据并预测生存时间。

Python 中的生存分析

使用生存分析处理事件发生时间数据并预测生存时间。

Senior Data Scientist

拟合 Kaplan-Meier 估计量

什么是 Kaplan-Meier 估计量？

数学直觉

为何称为乘积-极限估计量？

需注意的假设

使用 lifelines 的 Kaplan-Meier 估计量

房贷问题示例

使用 Kaplan-Meier 估计量

优点与局限

Passons à la pratique !

生存曲线估计 - 拟合 Kaplan-Meier 估计器

拟合 Kaplan-Meier 估计器

Create Your Free Account