Build your ultimate AI agent
Kursbeschreibung
Überleben Patientinnen und Patienten mit dem neuen Medikament länger als andere? Wie schnell finden Menschen nach einer Arbeitslosigkeit einen neuen Job? Und was kann ich tun, damit meine Freundinnen und Freunde auf meiner Party länger auf der Tanzfläche bleiben? All diese Fragen erfordern die Analyse von Zeit-bis-Ereignis-Daten, für die besondere statistische Methoden nötig sind. Dieser Kurs führt in die Grundlagen der Analyse von Zeit-bis-Ereignis-Daten ein, auch Survival-Analyse genannt. Du lernst, wie man mit solchen Daten umgeht und wie man Überlebenskurven sowie Weibull- und Cox-Modelle berechnet, visualisiert und interpretiert.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Was ist Survival-Analyse?
In diesem ersten Kapitel führen wir in das Konzept der Survival-Analyse ein, erklären die Bedeutung dieses Themas und geben eine kurze Einführung in die Theorie hinter Überlebenskurven. Wir besprechen, warum bei Zeit-bis-Ereignis-Daten spezielle Methoden benötigt werden, und führen das Konzept der Zensierung ein. Außerdem erläutern wir, wie wir die Verteilung der verstrichenen Zeit bis zum Eintreten eines Ereignisses beschreiben.
- Der Begriff "Survival Analysis"50 XP
- Einführung in den Datensatz GBSG2100 XP
- Was behandelt dieser Kurs?50 XP
- Warum Überlebensmethoden lernen?50 XP
- Den GBSG2-Datensatz erkunden 1100 XP
- Die Funktion Surv() für GBSG2 verwenden100 XP
- Der Datensatz UnempDur100 XP
- Kennzahlen in der Überlebenszeitanalyse50 XP
- Eine Überlebenskurve interpretieren I50 XP
- Eine Überlebenskurve interpretieren II50 XP
- Eine Überlebenskurve interpretieren III50 XP
2
Schätzung von Überlebenskurven
In diesem Kapitel betrachten wir verschiedene Methoden zur Schätzung von Überlebenskurven. Wir besprechen die Kaplan-Meier-Schätzung und das Weibull-Modell als Werkzeuge zur Schätzung von Überlebenskurven und lernen, wie wir die Ergebnisse durch Visualisierung verständlich kommunizieren.
3
Das Weibull-Modell
In diesem Kapitel lernen wir, wie man ein Weibull-Modell schätzt und visualisiert, um die Effekte von Kovariaten auf das Zeit-bis-Ereignis-Ergebnis zu untersuchen.
4
Das Cox-Modell
Im letzten Kapitel lernen wir, wie man Cox-Modelle berechnet und interpretiert, um zu verstehen, warum sie nützlich sind und wie sie sich von Weibull-Modellen unterscheiden.
R
Survival-Analyse in R
Kurs
abgeschlossen
