我试图了解如何计算ROC曲线的最佳切点(灵敏度和特异性最大化的值)。我正在使用aSAH
包中的数据集pROC
。
该outcome
变量可以由两个独立变量解释:s100b
和ndka
。使用该Epi
包的语法,我创建了两个模型:
library(pROC)
library(Epi)
ROC(form=outcome~s100b, data=aSAH)
ROC(form=outcome~ndka, data=aSAH)
以下两个图形说明了输出:
在第一个图表(s100b
)中,该函数表示最佳切点位于对应于的值lr.eta=0.304
。在第二张图(ndka
)中,最佳切点位于的对应值上lr.eta=0.335
(的含义lr.eta
)。我的第一个问题是:
- 什么是相应
s100b
和ndka
的值lr.eta
值表示(是什么方面的最佳临界点s100b
和ndka
)?
第二个问题:
现在,假设我创建一个同时考虑了两个变量的模型:
ROC(form=outcome~ndka+s100b, data=aSAH)
获得的图形为:
我想知道ndka
AND 的值是什么,s100b
通过该函数可以最大程度地提高敏感性和特异性。换句话说:是什么样的价值观ndka
和s100b
我们已SE = 68.3%和SP = 76.4%(从图表中获取的值)?
我想第二个问题与multiROC分析有关,但是该Epi
软件包的文档并未解释如何为模型中使用的两个变量计算最佳切点。
我的问题与reasearchGate的问题非常相似,简而言之:
确定代表灵敏度和特异性之间更好权衡的临界值很简单。但是,对于多变量ROC曲线分析,我注意到大多数研究人员都将注意力集中在确定AUC上几个指标(变量)线性组合的整体准确性的算法上。[...]
但是,这些方法并未提及如何确定与多个指标相关联的临界值组合,以提供最佳的诊断准确性。
Shultz在他的论文中提出了一种可能的解决方案,但是从本文中,我无法理解如何为多元ROC曲线计算最佳切点。
也许Epi
包装中的解决方案不是理想的,所以任何其他有用的链接将不胜感激。