在第一章，我们将介绍生存分析的概念，说明这一主题的重要性，并对生存曲线背后的理论做简要介绍。我们将讨论在处理事件发生时间数据时为何需要使用特殊方法，并引入删失（censoring）的概念。同时，我们还会讨论如何描述直到事件发生所经历时间的分布。

术语 "survival analysis"

认识 GBSG2 数据集

本课程将涵盖什么内容？

为什么要学习生存分析方法？

深入挖掘 GBSG2 数据集 1

对 GBSG2 使用 Surv() 函数

UnempDur 数据集

生存分析中使用的度量

解读生存曲线 I

解读生存曲线 II

解读生存曲线 III

什么是生存分析？

本章将探讨估计生存曲线的不同方法。我们将讨论用于生存曲线估计的 Kaplan-Meier 估计与 Weibull 模型，并学习如何通过可视化来传达这些结果。

Kaplan-Meier 估计

用于计算 Kaplan-Meier 估计的函数

第一次 Kaplan-Meier 估计

Kaplan-Meier 曲线何时会下降？

为何使用 Kaplan-Meier

理解与可视化 Kaplan-Meier 曲线

忽略删失的练习

生存曲线的估计与可视化

用于估计生存曲线的 Weibull 模型

用 Weibull 模型估计中位生存期

Weibull 模型的生存曲线分位数

使用 survreg() 估计生存曲线

可视化 Weibull 模型的结果

对比 Weibull 模型与 Kaplan-Meier 估计

生存曲线的估计

本章将学习如何估计与可视化 Weibull 模型，以了解协变量对事件发生时间结果的影响。

为何使用 Weibull 模型

解释系数

计算 Weibull 模型

可视化 Weibull 模型

ggsurvplot() 与 ggsurvplot_df()

计算 Weibull 模型与生存曲线

Weibull 模型的可视化

绘图选项

Weibull 以外的其他分布

survreg() 的参数

计算 Weibull 模型与对数正态模型

Weibull 与对数正态模型对比 I

对比 Weibull 与对数正态模型 II

Weibull 模型

在最后一章，我们将学习如何计算并解读 Cox 模型，了解其有何用处，以及它与 Weibull 模型有何不同。

Cox 模型

计算 Cox 模型

比例风险假设

可视化 Cox 模型

从 Cox 模型计算生存曲线

surv_summary()

本节所学内容

为什么要用"虚拟患者"？

综合练习：Cox 模型

综合练习：比较生存曲线

再见

服用新药的患者是否比其他人存活得更久？失业后，人们多快能找到新工作？在我的派对上，我该怎么做才能让朋友们在舞池里待得更久？这些问题都需要分析"事件发生时间"数据，我们需要使用特殊的统计方法。本课程将介绍事件发生时间数据分析（亦称生存分析）的基本概念。您将学习如何处理事件发生时间数据，以及如何计算、可视化并解读生存曲线，以及 Weibull 模型和 Cox 模型。

Introduction to Regression in R

R 中的生存分析

学习处理时间到事件数据。 事件可能是死亡，或失业后找到工作。 学习估计、可视化并解读生存模型！

用于估计生存曲线的 Weibull 模型

Create Your Free Account