Phân tích sống sót bằng Python

Trong chương này, bạn sẽ học mô hình Kaplan–Meier hoạt động như thế nào và cách fit, trực quan hóa, và diễn giải nó. Sau đó, bạn sẽ áp dụng mô hình này để khám phá cách các biến phân loại ảnh hưởng đến sống sót và học cách bổ trợ phân tích bằng các phương pháp kiểm định giả thuyết như kiểm định log-rank.

Tìm hiểu cách mô hình hóa dữ liệu thời-gian-đến-sự-kiện với các mô hình tham số. Học cách sử dụng mô hình Weibull và mô hình Weibull AFT cùng mục đích sử dụng của chúng. Dùng hồi quy sống sót để suy luận về cách các biến đồng biến ảnh hưởng đến hàm sống sót và học cách chọn mô hình sống sót tốt nhất cho dữ liệu của bạn.

Thêm một chương, thêm một mô hình! Ở chương cuối này, bạn sẽ tìm hiểu giả định tỷ lệ nguy cơ (proportional hazards) và vai trò của nó trong việc fit và diễn giải mô hình Cox Proportional Hazards. Bạn cũng sẽ học cách dự đoán thời gian sống sót của đối tượng mới bằng mô hình Cox Proportional Hazards.