Build your ultimate AI agent
Kursbeschreibung
Wie lange dauert es, bis nach einer Exposition Grippesymptome auftreten? Und was ist, wenn man nicht weiß, wann sich die Menschen mit dem Virus angesteckt haben? Haben das Gehalt und die Vereinbarkeit von Beruf und Familie einen Einfluss auf die Mitarbeiterfluktuationsrate? Bei vielen realen Herausforderungen ist eine Überlebenszeitanalyse (engl. survival analysis) erforderlich, um die Zeit bis zu einem Ereignis zuverlässig zu schätzen, damit wir Erkenntnisse aus der Verteilung der Zeit bis zum Ereignis (engl. time to event) ziehen können. In diesem Kurs lernst du die grundlegenden Konzepte der Überlebenszeitanalyse kennen. Durch praktische Aufgaben lernst du, wie du Überlebenskurven mit den Modellen von Kaplan-Meier, Weibull und Cox berechnest, visualisierst, interpretierst und vergleichst. Am Ende dieses Kurses wirst du in der Lage sein, Überlebensverteilungen zu modellieren, hübsche Diagramme von Überlebenskurven zu erstellen und sogar Überlebensdauern vorherzusagen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in die Überlebenszeitanalyse
Welche Probleme löst die Überlebenszeitanalyse, und was ist Zensierung? Du wirst diese Fragen beantworten, während du Daten zur Überlebenszeitanalyse untersuchst, Überlebenskurven erstellst und grundlegende Schätzungen der Überlebenszeit vornimmst.
- Was ist eine Überlebenszeitanalyse?50 XP
- Welche Probleme löst die Überlebenszeitanalyse?100 XP
- Die richtigen Daten für die Überlebenszeitanalyse auswählen50 XP
- Warum eine Überlebenszeitanalyse?50 XP
- Art der Zensierung identifizieren50 XP
- Zensierte Daten vorverarbeiten100 XP
- Erster Blick auf zensierte Daten100 XP
- Deine erste Überlebenskurve!50 XP
- Eine Überlebenskurve zeichnen100 XP
- Es lebe die Demokratie!100 XP
2
Schätzung der Überlebenskurve
In diesem Kapitel lernst du, wie das Kaplan-Meier-Modell funktioniert und wie man es anpasst, visualisiert und interpretiert. Anschließend wendest du dieses Modell an, um zu untersuchen, wie sich kategoriale Variablen auf die Überlebensrate auswirken, und lernst, wie du deine Analyse mit Hypothesentestmethoden wie dem Log-Rank-Test ergänzen kannst.
3
Das Weibull-Modell
Entdecke, wie du Daten zur Zeit bis zum Ereignis mit parametrischen Modellen modellieren kannst. Lerne, wie du das Weibull-Modell und das Weibull-AFT-Modell verwendest und welchen unterschiedlichen Zwecken sie dienen. Nutze die Überlebensregression, um Rückschlüsse darauf zu ziehen, wie Kovariaten die Überlebensfunktion beeinflussen, und lerne, wie du das beste Überlebensmodell für deine Daten auswählst.
4
Die Cox-Regression
Ein weiteres Kapitel, ein weiteres Modell! In diesem letzten Kapitel lernst du die Proportionale-Hazards-Annahme kennen und erfährst, welche Rolle sie bei der Anpassung und Interpretation der Cox-Regression spielt. Außerdem lernst du, wie du die Überlebenszeit neuer Probanden mit der Cox-Regression vorhersagen kannst.
Überlebenszeitanalyse in Python
Kurs
abgeschlossen
