ข้ามไปยังเนื้อหาหลัก

Courses

Survival Analysis in R

ระดับกลางระดับทักษะ

อัปเดตแล้ว 06/2565

Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!

เริ่มเรียนหลักสูตรฟรี

RProbability & Statistics4 ชม.14 videos50 Exercises3,650 เอ็กซ์พี13,857คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

Do patients taking the new drug survive longer than others? How fast do people get a new job after getting unemployed? What can I do to make my friends stay on the dancefloor at my party? All these questions require the analysis of time-to-event data, for which we use special statistical methods. This course introduces basic concepts of time-to-event data analysis, also called survival analysis. Learn how to deal with time-to-event data and how to compute, visualize and interpret survivor curves as well as Weibull and Cox models.

ข้อกำหนดเบื้องต้น

Introduction to Regression in R

1

What is Survival Analysis?

In the first chapter, we introduce the concept of survival analysis, explain the importance of this topic, and provide a quick introduction to the theory behind survival curves. We discuss why special methods are needed when dealing with time-to-event data and introduce the concept of censoring. We also discuss how we describe the distribution of the elapsed time until an event.

The term "survival analysis"

50 เอ็กซ์พี

Introducing the GBSG2 dataset

100 เอ็กซ์พี

What will this course cover?

50 เอ็กซ์พี

Why learn survival methods?

50 เอ็กซ์พี

Digging into the GBSG2 dataset 1

100 เอ็กซ์พี

Using the Surv() function for GBSG2

100 เอ็กซ์พี

The UnempDur dataset

100 เอ็กซ์พี

Measures used in survival analysis

50 เอ็กซ์พี

Interpreting a survival curve I

50 เอ็กซ์พี

Interpreting a survival curve II

50 เอ็กซ์พี

Interpreting a survival curve III

50 เอ็กซ์พี

เริ่มบท

2

Estimation of survival curves

In this chapter, we will look into different methods of estimating survival curves. We will discuss the Kaplan-Meier estimate and the Weibull model as tools for survival curve estimation and learn how to communicate those results through visualization.

Kaplan-Meier estimate

50 เอ็กซ์พี

Function to compute the Kaplan-Meier estimate

50 เอ็กซ์พี

First Kaplan-Meier estimate

100 เอ็กซ์พี

When does the Kaplan-Meier curve drop?

50 เอ็กซ์พี

Why use Kaplan-Meier

50 เอ็กซ์พี

Understanding and visualizing Kaplan-Meier curves

50 เอ็กซ์พี

Exercise ignoring censoring

100 เอ็กซ์พี

Estimating and visualizing a survival curve

100 เอ็กซ์พี

The Weibull model for estimating survival curves

50 เอ็กซ์พี

Estimating median survival from a Weibull model

100 เอ็กซ์พี

Survival curve quantiles from a Weibull model

100 เอ็กซ์พี

Estimating the survival curve with survreg()

100 เอ็กซ์พี

Visualizing the results of Weibull models

50 เอ็กซ์พี

Comparing Weibull model and Kaplan-Meier estimate

100 เอ็กซ์พี

เริ่มบท

3

The Weibull model

In this chapter, we will learn how to estimate and visualize a Weibull model to learn about the effects of covariates on the time-to-event outcome.

Why use the Weibull model

50 เอ็กซ์พี

Interpreting coefficients

100 เอ็กซ์พี

Compute Weibull model

100 เอ็กซ์พี

Visualizing Weibull models

50 เอ็กซ์พี

ggsurvplot() versus ggsurvplot_df()

50 เอ็กซ์พี

Computing a Weibull model and the survival curves

100 เอ็กซ์พี

Visualising a Weibull model

100 เอ็กซ์พี

Plotting options

50 เอ็กซ์พี

Other distributions than Weibull

50 เอ็กซ์พี

survreg() arguments

50 เอ็กซ์พี

Computing a Weibull and a log-normal model

100 เอ็กซ์พี

Comparing Weibull and Log-Normal Model I

100 เอ็กซ์พี

Comparing Weibull and Log-Normal Model II

100 เอ็กซ์พี

เริ่มบท

4

The Cox Model

In the last chapter, we learn how to compute and interpret Cox models to understand why they are useful and how they differ from Weibull models.

The Cox model

50 เอ็กซ์พี

Computing a Cox model

100 เอ็กซ์พี

Proportional hazards assumption

50 เอ็กซ์พี

Visualizing the Cox model

50 เอ็กซ์พี

Computing the survival curve from a Cox model

100 เอ็กซ์พี

Visualizing a Cox model

100 เอ็กซ์พี

surv_summary()

50 เอ็กซ์พี

What we've learned

50 เอ็กซ์พี

Why "imaginary patients"?

50 เอ็กซ์พี

Capstone: The Cox model

100 เอ็กซ์พี

Capstone: Comparing survival curves

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

Survival Analysis in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม Survival Analysis in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา