课程主页: https://www.coursera.org/learn/survival-analysis-r-public-health
在数据科学迅速发展的今天，生存分析已经成为公共卫生领域的一个重要工具。Coursera上的《公共卫生的生存分析R课程》是一门旨在教你如何利用R语言进行生存分析的课程。这个课程是该系列的第四部分，适合对统计学和数据分析感兴趣的学习者，特别是那些在公共卫生领域工作的专业人士。
该课程从基础知识入手，首先介绍了生存分析的基本概念和应用场景，明确了“危险”（hazard）和“删失”（censoring）等术语的特定定义。后续章节则包括多种分析日常病例（例如心力衰竭病人）的方法，其中最突出的就是 Kaplan-Meier 曲线和 Cox 模型。
课程大纲一览
- Kaplan-Meier 图: 你将学习生存分析的基础，以及如何运行和解释字面上常见的存活分析方法——Kaplan-Meier 图，还包括为比较不同治疗组的存活比较而用到的 log-rank 测试。
- Cox 回归模型: 学会如何使用Cox比例风险回归，这是一种结合多个生存预测因子的高阶知识，理解悖论与验证相关性是学习的重点。
- 多重Cox模型: 扩展简单Cox模型，学习如何能够通过处理真实的公共卫生数据及进行缺失数据从而减小对结果干扰的影响。
- 比例危险假设的检验: 在课程的最后部分，学习如何评估模型的适合度，涵盖所有用到的气质。在这个过程中，你可以通过年度发送的实施练习参加具体的数据拟合。
学习这门课程之后，我相信你不仅能掌握生存分析的基本框架，还能应用于相关的健康数据，使自己的分析更为坚实和有效。R语言不仅开放，而且拥有强大而丰富的分析与图形能力，非常适合其特点的实用课程。
推荐人群
这门课程特别适合公共卫生研究人员、数据分析师和相关领域的学生，不论你是初鸟还是有一定基础的从业者，本课程的渐进式教育让你有效填补有关生存模型和风险预测的领域。
总的来说，《公共卫生的生存分析R课程》是一门深入且易于理解的课程，其中丰富的实际数据分析练习对任何希望把数据分析搁上日程的学者都具有吸引力。 我认为任何公卫生人士都不应该错过这样一个非常有价值的知识宝库！
课程主页: https://www.coursera.org/learn/survival-analysis-r-public-health