Ga naar hoofdinhoud

Cursus

Survivalanalyse in Python

GevorderdVaardigheidsniveau

Bijgewerkt 06-2024

Gebruik overlevingsanalyse om met tijd-tot-gebeurtenisgegevens te werken en de overlevingstijd te voorspellen.

Start Cursus Kosteloos

PythonProbability & Statistics

4 u

16 videos

48 Opdrachten

3,850 XP

5,830

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Hoe lang duurt het voordat griepsymptomen verschijnen na blootstelling? En wat als je niet weet wanneer mensen het virus hebben opgelopen? Beïnvloeden salaris en werk-privébalans de snelheid van personeelsverloop? Voor veel vraagstukken heb je survivalanalyse nodig om de tijd tot een gebeurtenis robuust te schatten, zodat je inzicht krijgt uit tijd-tot-gebeurtenisverdelingen. Deze cursus introduceert de basisconcepten van survivalanalyse. Met praktische oefeningen leer je overlevingscurves berekenen, visualiseren, interpreteren en vergelijken met Kaplan-Meier-, Weibull- en Cox PH-modellen. Aan het einde van deze cursus kun je overlevingsverdelingen modelleren, mooie grafieken van overlevingscurves maken en zelfs overlevingsduur voorspellen.

Vereisten

Introduction to Regression with statsmodels in Python Hypothesis Testing in Python

1

Introductie tot survivalanalyse

Welke problemen lost survivalanalyse op en wat is censurering? Je beantwoordt deze vragen terwijl je survivalanalyse-data verkent, overlevingscurves bouwt en basale schattingen van overlevingstijd maakt.

Wat is survivalanalyse?

Welke problemen lost survivalanalyse op?

Kies de juiste data voor survival-analyse

Waarom survivalanalyse gebruiken?

Bepaal het type censurering

Gecensureerde gegevens preprocessen

Eerste blik op gecensureerde data

Je eerste overlevingscurve!

Teken een overlevingscurve

Leve de democratie!

Hoofdstuk beginnen

2

Schatten van overlevingscurves

In dit hoofdstuk leer je hoe het Kaplan-Meier-model werkt en hoe je het kunt fitten, visualiseren en interpreteren. Vervolgens pas je dit model toe om te onderzoeken hoe categorische variabelen de overleving beïnvloeden en leer je je analyse aan te vullen met hypothesetoetsen zoals de log-ranktest.

Een Kaplan-Meier-schatting fitten

Hoe pas je een Kaplan-Meier-schatting toe?

Overleving van hartpatiënten

Je Kaplan-Meier-model visualiseren

De overlevingscurve plotten

Behandeling tegen terugkerende spierpijn

Survivalanalyse toepassen op groepen

Ambtstermijnen van senatoren

Behandelingen voor spierpijn bij patiënten vergelijken

De log-ranktoets

Geschikte data voor de logranktoets

Overlevingscurves plotten en vergelijken

Log-ranktoets

Hoofdstuk beginnen

3

Het Weibull-model

Ontdek hoe je tijd-tot-gebeurtenisdata modelleert met parametrische modellen. Leer hoe je het Weibull-model en het Weibull AFT-model gebruikt en welke verschillende doelen ze dienen. Gebruik survivalregressie om af te leiden hoe covariaten de overlevingsfunctie beïnvloeden en leer hoe je het beste survivalmodel voor je gegevens kiest.

Het Weibull-model fitten

Modelleer gevangenisdata met Weibull

Vergelijk parameters van het Weibull-model

Weibull-model met covariaten

Analyseer kenmerken van hartpatiënten

Onderzoek de interactie tussen geslacht en LVDD

Visualisatie en voorspelling met het Weibull-model

Hoe beïnvloeden eerdere arrestaties het herarresteringspercentage?

Voorspel het herarresteringspercentage

Andere verdelingen en modelselectie

Hoe goed past het model?

Kies een parametrisch model

Hoofdstuk beginnen

4

Het Cox PH-model

Nog een hoofdstuk, nog een model! In dit laatste hoofdstuk leer je over de proportional hazards-aanname en de rol die deze speelt bij het fitten en interpreteren van het Cox Proportional Hazards-model. Je leert ook hoe je met het Cox Proportional Hazards-model de overlevingstijden van nieuwe proefpersonen voorspelt.

Het Cox Proportional Hazards-model fitten

Modelleer gevangenisdata met Cox PH

Aangepast Cox PH-model

Het Cox PH-model interpreteren

Overlevingstijd met het Cox PH-model

Covariaateffecten op overleving plotten

De proportional-hazards-aanname

Test de PH-aanname met KM-curves

Test de PH-aanname automatisch

Voorspellen met het Cox PH-model

Onderzoek naar personeelsverloop

Voorspel het voordat ze vertrekken!

Gefeliciteerd!

Hoofdstuk beginnen

Survivalanalyse in Python

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Survivalanalyse in Python!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.