Ir al contenido principal

Curso

Análisis de supervivencia en R

IntermedioNivel de habilidad

Actualizado 6/2022

Comienza el curso gratis

RProbability & Statistics

4 h

14 vídeos

50 Ejercicios

3,650 XP

14,008

Certificado de logros

Preferido por estudiantes en miles de empresas

¿Formando un equipo?

Prueba para empresas

Descripción del curso

¿Los pacientes que toman el nuevo fármaco sobreviven más que los demás? ¿Con qué rapidez encuentra la gente un nuevo trabajo tras quedarse en paro? ¿Qué puedo hacer para que mis amigos no se bajen de la pista en mi fiesta? Todas estas preguntas requieren analizar datos de tiempo hasta el evento, para lo cual usamos métodos estadísticos específicos. Este curso presenta los conceptos básicos del análisis de datos de tiempo hasta el evento, también llamado análisis de supervivencia. Aprende a trabajar con datos de tiempo hasta el evento y a calcular, visualizar e interpretar curvas de supervivencia, así como modelos de Weibull y de Cox.

Requisitos previos

Introduction to Regression in R

1

¿Qué es el análisis de supervivencia?

En el primer capítulo, presentamos el concepto de análisis de supervivencia, explicamos por qué es importante y ofrecemos una breve introducción a la teoría detrás de las curvas de supervivencia. Comentamos por qué se necesitan métodos específicos cuando trabajas con datos de tiempo hasta el evento e introducimos el concepto de censura. También vemos cómo describir la distribución del tiempo transcurrido hasta que ocurre un evento.

El término "análisis de supervivencia"

Presentación del conjunto de datos GBSG2

¿Qué cubrirá este curso?

¿Por qué aprender métodos de supervivencia?

Profundizando en el conjunto de datos GBSG2 1

Usar la función Surv() con GBSG2

El conjunto de datos UnempDur

Medidas utilizadas en el análisis de supervivencia

Interpretar una curva de supervivencia I

Interpretar una curva de supervivencia II

Interpretar una curva de supervivencia III

Iniciar capítulo

2

Estimación de curvas de supervivencia

En este capítulo, veremos distintos métodos para estimar curvas de supervivencia. Hablaremos del estimador de Kaplan-Meier y del modelo de Weibull como herramientas para estimar curvas de supervivencia y aprenderemos a comunicar esos resultados mediante visualizaciones.

Estimación de Kaplan-Meier

Función para calcular el estimador de Kaplan-Meier

Primera estimación de Kaplan-Meier

¿Cuándo baja la curva de Kaplan-Meier?

Por qué usar Kaplan-Meier

Comprender y visualizar curvas de Kaplan-Meier

Ejercicio ignorando la censura

Estimación y visualización de una curva de supervivencia

El modelo de Weibull para estimar curvas de supervivencia

Estimación de la supervivencia mediana con un modelo de Weibull

Cuantiles de la curva de supervivencia a partir de un modelo de Weibull

Estimación de la curva de supervivencia con survreg()

Visualización de los resultados de modelos de Weibull

Comparar el modelo de Weibull y la estimación de Kaplan-Meier

Iniciar capítulo

3

El modelo de Weibull

En este capítulo, aprenderemos a estimar y visualizar un modelo de Weibull para estudiar los efectos de las covariables sobre el resultado de tiempo hasta el evento.

Por qué usar el modelo de Weibull

Interpretación de coeficientes

Calcular un modelo Weibull

Visualizar modelos Weibull

ggsurvplot() frente a ggsurvplot_df()

Calcular un modelo de Weibull y las curvas de supervivencia

Visualización de un modelo de Weibull

Opciones de visualización

Otras distribuciones distintas de Weibull

Argumentos de survreg()

Calcular un modelo de Weibull y uno log-normal

Comparing Weibull and Log-Normal Model I

Comparando el modelo de Weibull y el log-normal II

Iniciar capítulo

4

El modelo de Cox

En el último capítulo, aprenderemos a calcular e interpretar modelos de Cox para entender por qué son útiles y en qué se diferencian de los modelos de Weibull.

El modelo de Cox

Calcular un modelo de Cox

Supuesto de riesgos proporcionales

Visualizar el modelo de Cox

Calcular la curva de supervivencia a partir de un modelo de Cox

Visualizar un modelo de Cox

surv_summary()

Lo que hemos aprendido

¿Por qué "pacientes imaginarios"?

Proyecto final: El modelo de Cox

Proyecto final: Comparar curvas de supervivencia

Iniciar capítulo

Análisis de supervivencia en R

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Análisis de supervivencia en R hoy mismo!

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.