Análisis de supervivencia en Python

¿Qué problemas resuelve el análisis de supervivencia y qué es la censura? Responderás a estas preguntas mientras exploras datos de análisis de supervivencia, construyes curvas de supervivencia y haces estimaciones básicas del tiempo de supervivencia.

En este capítulo, aprenderás cómo funciona el modelo de Kaplan-Meier y cómo ajustarlo, visualizarlo e interpretarlo. Después aplicarás este modelo para explorar cómo las variables categóricas afectan a la supervivencia y verás cómo complementar tu análisis con pruebas de hipótesis como la prueba de rangos logarítmicos (log-rank).

Descubre cómo modelar datos de tiempo hasta evento con modelos paramétricos. Aprende a usar el modelo de Weibull y el modelo Weibull AFT y para qué sirve cada uno. Utiliza regresión de supervivencia para inferir cómo las covariables afectan a la función de supervivencia y aprende a seleccionar el mejor modelo de supervivencia para tus datos.

¡Otro capítulo, otro modelo! En este último capítulo, aprenderás la suposición de riesgos proporcionales y el papel que desempeña al ajustar e interpretar el modelo de Riesgos Proporcionales de Cox. También aprenderás a predecir los tiempos de supervivencia de nuevos sujetos usando el modelo de Riesgos Proporcionales de Cox.