ROC和multiROC分析：如何计算最佳切割点？

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ndkaAND 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。

为了详细说明弗兰克·哈雷尔（Frank Harrell）的答案，该Epi软件包所做的工作是拟合逻辑回归，并使用以下形式的结果预测制作ROC曲线：

$\beta_0$$\beta_1$$\beta_2$

满足此等式的任何一对（s100b，ndka）值均为“最佳”。不幸的是，这些货币对有无穷无尽。例如，（0.29，1），（0，51.2）等。更糟糕的是，它们大多数没有任何意义。货币对（-580，10000）是什么意思？没有！

换句话说，您不能在输入端建立截止点，而必须在输出端建立截止点，这就是模型的重点。

$\hat{Y}$

lr.eta$\eta$ROC

您的第一句话应该说（如图所示），您正在寻找最大程度提高灵敏度和特异性之和的地方。但是为什么这个“最优”呢？假阳性结果是否与假阴性结果具有相同的含义？看这里。

您可以找到真实阳性率（tpr）与真实阴性率（tnr）相交的阈值，这是假阳性和假阴性总和最小的点。