Die Überlebensdatenanalyse ist ein sehr breites Feld der Statistik, das eine Vielzahl von Methoden umfasst, die in den unterschiedlichsten Anwendungen und insbesondere in der medizinischen Forschung zum Einsatz kommen. In den letzten zwanzig Jahren wurden mehrere Erweiterungen klassischer Überlebensmodelle entwickelt, um besondere Situationen zu berücksichtigen, die in der Praxis häufig auftreten. Ziel dieses Buches ist es, die am häufigsten verwendeten Erweiterungen in einer einzigen Referenz zu sammeln, wie z. B. Gebrechlichkeitsmodelle (im Falle von unbeobachteter Heterogenität oder geclusterten Daten), Heilungsmodelle (wenn ein Bruchteil der Bevölkerung das interessierende Ereignis nicht erleben wird), konkurrierende Risikomodelle (im Falle verschiedener Arten von Ereignissen) und gemeinsame Überlebensmodelle für einen Endpunkt bis zum Ereignis und ein longitudinales Ergebnis. Funktionen Präsentiert modernste Ansätze für verschiedene fortschrittliche Überlebensmodelle, einschließlich Gebrechlichkeitsmodelle, Heilungsmodelle, konkurrierende Risikomodelle und gemeinsame Modelle für ein Längsschnitt- und ein Überlebensergebnis Verwendet im gesamten Buch eine einheitliche Notation für die verschiedenen vorgestellten Techniken Erklärt, in welcher Situation jedes dieser Modelle eingesetzt werden sollte und wie sie mit spezifischen Forschungsfragen verknüpft sind Konzentriert sich auf das Verständnis der Modelle, ihre Implementierung und ihre Interpretation mit einem angemessenen methodischen Entwicklungsstand für Masterstudierende und angewandte Statistiker Bietet Verweise auf bestehende R-Pakete und SAS-Prozeduren oder -Makros und veranschaulicht die Verwendung der wichtigsten Pakete auf realen Datensätzen Dieses Buch richtet sich in erster Linie an angewandte Statistiker und Doktoranden der Statistik und Biostatistik. Es kann auch als einführende Referenz für methodische Forscher dienen, die sich für die wichtigsten Erweiterungen der klassischen Überlebensanalyse interessieren. . Sprache: Englisch