Анализ выживаемости (на R)

Описание курса

Этот комплексный курс предназначен для медицинских работников, исследователей и организаций клинических исследований (CRO), желающих освоить статистические методы анализа данных о выживаемости в медицине. Анализ данных о выживаемости - важнейший инструмент в медицинских исследованиях, позволяющий отслеживать такие временные показатели, как смертность, прогрессирование заболевания или эффективность лечения. Наш курс закладывает прочные основы программирования на языке R и передовых статистических методов, позволяя вам проводить сложные анализы выживаемости, которые потенциально могут произвести революцию в лечении пациентов и медицинских исследованиях.

Содержание курса:

1. Введение в R: Ваш статистический швейцарский армейский нож
   • Уверенная навигация в среде R
   • Методы импорта основных данных (CSV, Excel, SPSS)
   • Выполните необходимые манипуляции с данными с помощью dplyr и tidyr
   • Создавайте графики издательского качества с помощью ggplot2
   • Пример: Импортируйте набор данных клинических исследований и создайте базовую визуализацию демографических данных пациентов.
2. Визуализация данных: Оживить ваши данные
   • Изучите передовые методы построения графиков для данных о выживании
   • Создание информативных и эстетически привлекательных кривых выживания
   • Использование интерактивных визуализаций для динамического изучения данных
   • Пример: Разработайте многослойный график, сравнивающий кривые выживания в разных группах лечения.
3. Таблицы жизни: Составные части анализа выживаемости
   • Составление и интерпретация таблиц жизни
   • Рассчитайте вероятности выживания и коэффициенты опасности
   • Понять концепцию цензурирования в данных о выживаемости
   • Пример: Создайте таблицу жизни для когорты онкологических пациентов, проходящих курс лечения новой иммунотерапией.
4. Кривые выживаемости Каплана-Мейера: Золотой стандарт анализа выживаемости
   • Оценка функций выживания с помощью метода Каплана-Мейера
   • Сравните кривые выживания в нескольких группах
   • Проведение лог-ранговых тестов на статистическую значимость
   • Пример: Проанализируйте эффективность нового сердечно-сосудистого препарата, сравнив кривые Каплана-Мейера в группах лечения и контроля.
5. Модели регрессии Кокса: Разгадка сложности выживания
   • Внедрение и интерпретация моделей пропорциональных рисков Кокса
   • Оценка влияния множества ковариаций на выживаемость
   • Проверка и устранение нарушений предположения о пропорциональной опасности
   • Пример: Оценить влияние возраста, пола и биомаркеров на выживаемость в исследовании рака легких.
6. Параметрические модели выживания: Когда предположения - ваши друзья
   • Изучите модели Вейбулла, экспоненциальные и логнормальные модели
   • Понять, когда и как применять параметрические модели
   • Сравните параметрический и полупараметрический подходы
   • Пример: Моделирование времени до сердечного события у пациентов с ишемической болезнью сердца с помощью распределения Вейбулла.
7. Непараметрические методы: Освобождение от оков распределения
   • Реализуйте непараметрические тесты для данных о выживаемости
   • Понять преимущества и ограничения методов, не требующих распределения
   • Применение методов сглаживания к кривым выживания
   • Пример: Использование непараметрического подхода для анализа выживаемости в гетерогенной популяции пациентов с инсультом.
8. Модели конкурирующих рисков: Когда одного риска недостаточно
   • Понять концепцию конкурирующих рисков в анализе выживаемости
   • Реализация моделей Файн-Грея для конкурирующих данных о рисках
   • Интерпретация кумулятивных функций заболеваемости
   • Пример: Анализ времени до рецидива рака или смерти от других причин в долгосрочном исследовании.

На протяжении всего курса вы будете работать с реальными медицинскими базами данных, решая сложные задачи анализа выживаемости, которые отражают проблемы, возникающие в клинических исследованиях. К концу курса вы получите мощный статистический инструментарий, который поможет вам расширить медицинские знания и улучшить состояние пациентов.

Отказ от ответственности: Этот курс значительно снижает риск неправильной интерпретации p-значений и путаницы с коэффициентом опасности, но может усилить вашу склонность рассматривать жизненные события в терминах вероятности выживания. Побочными эффектами могут стать сновидения на кривых Каплана-Мейера и непреодолимое желание рассчитать медианное время выживания ваших комнатных растений. Если симптомы не проходят, проконсультируйтесь со статистиком:)