Analyse de survie avec R pour la santé publique

Comprendre le temps nécessaire à la survenue d'un événement est essentiel en santé publique, que vous suiviez les temps de guérison des patients, la récidive des maladies ou l'efficacité des traitements. L'analyse de survie fournit les outils statistiques spécialisés nécessaires pour analyser avec précision ces données de temps jusqu'à l'événement. Dans ce cours écrit, vous apprendrez à effectuer une analyse de survie à partir de zéro en utilisant R. Vous maîtriserez des concepts clés tels que la censure et les rapports de risque, et apprendrez à appliquer des flux de travail R modernes pour nettoyer, analyser et interpréter des données de santé du monde réel. Ce que vous apprendrez : - Comprendre la terminologie fondamentale de l'analyse de survie, y compris la censure, les fonctions de survie et les taux de risque. - Calculer les probabilités de survie à l'aide de l'estimateur de Kaplan-Meier pour suivre l'évolution des patients dans le temps. - Comparer les courbes de survie entre différents groupes de patients à l'aide du test du log-rank. - Modéliser l'impact de multiples facteurs de risque simultanément à l'aide de la régression des risques proportionnels de Cox. - Appliquer les principes modernes du tidyverse pour nettoyer et préparer les ensembles de données de temps jusqu'à l'événement pour l'analyse. - Interpréter les sorties statistiques pour tirer des conclusions significatives et exploitables pour les rapports de santé publique. Le cours commence par les concepts théoriques de base et les définitions avant de vous guider à travers la préparation pratique des données, l'estimation des courbes et la modélisation de régression dans R. Ce cours est conçu pour les étudiants en santé publique, les chercheurs et les analystes de données qui débutent en analyse de survie et souhaitent élargir leurs compétences en programmation R. Aucune connaissance statistique avancée n'est requise. Commencez à lire dès aujourd'hui pour découvrir des informations plus approfondies sur vos données de santé.