Willkommen bei Survival Analysis in R for Public Health! Die drei früheren Kurse in dieser Reihe behandelten statistisches Denken, Korrelation, lineare Regression und logistische Regression. In diesem Kurs lernen Sie, wie Sie eine Überlebensanalyse - oder eine Analyse der Zeit bis zum Eintritt eines Ereignisses - durchführen. Dabei wird erklärt, was mit den wohlklingenden, aber irreführenden Begriffen wie Hazard und Zensierung gemeint ist, die in diesem Zusammenhang eine besondere Bedeutung haben. Mithilfe der beliebten und völlig kostenlosen Software R lernen Sie, wie Sie einen Datensatz von Grund auf neu erstellen, ihn in R importieren, wichtige deskriptive Analysen durchführen, um die Merkmale und Eigenheiten der Daten kennenzulernen, und von Kaplan-Meier-Diagrammen bis hin zur multiplen Cox-Regression vorgehen. Sie werden Daten verwenden, die aus realen, unübersichtlichen Patientendaten für Patienten simuliert wurden, die mit Herzinsuffizienz ins Krankenhaus eingeliefert wurden, und lernen, wie Sie untersuchen können, welche Faktoren die spätere Sterblichkeit vorhersagen. Sie werden lernen, wie man die Modellannahmen und die Anpassung an die Daten testet und einige einfache Tricks anwenden, um häufige Probleme mit realen Daten aus dem Gesundheitswesen zu umgehen. Zu den Videos und den R-Übungen gibt es Mini-Tests mit Feedback, um Ihr Verständnis zu überprüfen. Voraussetzungen Einige Formeln werden zum besseren Verständnis angegeben, aber dies ist kein Kurs, für den Sie ein Mathematikstudium benötigen. Sie benötigen Grundkenntnisse im Rechnen (wir werden z.B. keine Infinitesimalrechnung verwenden) und Vertrautheit mit grafischen und tabellarischen Darstellungsmöglichkeiten von Ergebnissen. In den drei vorangegangenen Kursen dieser Reihe wurden Konzepte wie Hypothesentests, p-Werte, Konfidenzintervalle, Korrelation und Regression erläutert und gezeigt, wie man R installiert und grundlegende Befehle ausführt. In diesem Kurs werden wir all diese Kernideen kurz rekapitulieren, aber wenn Sie mit ihnen nicht vertraut sind, sollten Sie vielleicht lieber den ersten Kurs, Statistical Thinking in Public Health, und vielleicht auch den zweiten, über lineare Regression, besuchen, bevor Sie mit diesem Kurs beginnen.