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。