Los análisis de supervivencia estudian acontecimientos que sólo pueden ocurrir una vez y marcan un punto de no retorno (por ejemplo investigar fenómenos en los que se quiere modelizar el tiempo que transcurre hasta un evento de interés como una muerte, el tiempo de un aprendizaje determinado, lo que tarda en deteriorarse una prótesis…). Para aplicar esta técnica es imprescindible recoger dos tipos de datos que componen la variable respuesta: el tiempo hasta el evento y el estado (si se ha producido el evento o no).

El análisis clásico de la supervivencia se basa en modelizar la variable respuesta y su dependencia de otras covariables. Sin embargo, cuando queremos utilizar esta técnica con datos de alta dimensionalidad (como análisis de interacción entre variantes géneticas con datos de supervivencia) se recomienda utilizar técnicas específicas que se basan en métodos de regresión penalizados, o bien, aplicar técnicas de machine learning, ya que el número de covariables es enorme respecto al número de observaciones.