Analyse de survie et modélisation du temps d'événement avec R

Comprendre combien de temps il faut pour qu'un événement se produise est une compétence essentielle dans des domaines allant de la médecine et de l'ingénierie à la finance et aux sciences sociales. Que vous appeliez cela analyse de durée, analyse de fiabilité ou modélisation du temps d'événement, la capacité de prédire les résultats au fil du temps est essentielle pour les professionnels des données modernes. Ce cours propose un parcours structuré pour analyser des informations horodatées à l'aide de R, transformant des données brutes en informations statistiques exploitables. Vous passerez de l'apprentissage de la terminologie de base à l'application de modèles sophistiqués qui gèrent les défis uniques des données de survie, tels que la censure et les intervalles de temps variables. Ce que vous apprendrez : - Comprendre les concepts clés, y compris la censure, les taux de défaillance et les fonctions de survie - Appliquer l'estimateur de Kaplan-Meier pour estimer et comparer les probabilités de survie - Effectuer des tests du logrank pour identifier des différences significatives entre les groupes - Construire et interpréter des modèles de risques proportionnels de Cox avec plusieurs covariables - Implémenter des arbres de survie comme approche d'apprentissage automatique moderne pour les données de durée - Nettoyer et préparer des informations complexes de date et d'heure à l'aide du package lubridate - Identifier et gérer les valeurs manquantes et les valeurs aberrantes pour garantir la fiabilité du modèle Le cours commence par des définitions fondamentales et les structures de données spécifiques requises pour l'analyse de survie. Vous progresserez ensuite à travers la modélisation non paramétrique et semi-paramétrique avant d'explorer des flux de travail avancés de prétraitement de données et des applications d'apprentissage automatique modernes pour les données de temps jusqu'à l'événement. Ce cours est conçu pour les débutants en statistiques ou en science des données qui ont une familiarité de base avec la syntaxe R mais qui sont nouveaux dans l'analyse de durée et de fiabilité. Aucune expérience préalable de la modélisation de survie n'est requise. Commencez dès aujourd'hui à construire des modèles de survie robustes pour résoudre des problèmes de durée du monde réel.