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变量可以用两个自变量来解释：s100b和ndka。使用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)
输出如下图所示：
在第一张图 ( s100b) 中，该函数表示最佳切割点位于对应于 的值处lr.eta=0.304。在第二张图 ( ndka) 中，最佳切点位于对应的值lr.eta=0.335（ 的含义是什么lr.eta）。我的第一个问题是：
- 所指示的值对应的
s100b和ndka值是多少（关于和lr.eta的最佳切点是什么）？s100bndka
第二个问题：
现在假设我创建了一个考虑到这两个变量的模型：
ROC(form=outcome~ndka+s100b, data=aSAH)
得到的图是：
我想知道ndkaAND的值是什么，在该值下s100b，函数可以最大限度地提高敏感性和特异性。换句话说： Se=68.3%ndka和s100bSp=76.4%（来自图表的值）的值是多少？
我想这第二个问题与 multiROC 分析有关，但Epi包的文档没有解释如何计算模型中使用的两个变量的最佳切点。
我的问题似乎与reasearchGate的这个问题非常相似，简而言之：
代表测量灵敏度和特异性之间更好权衡的截止分数的确定是直截了当的。然而，对于多变量 ROC 曲线分析，我注意到大多数研究人员都专注于算法来确定几个指标（变量）的线性组合在 AUC 方面的整体准确性。[...]
然而，这些方法没有提到如何确定与提供最佳诊断准确性的多个指标相关的截止分数的组合。
一个可能的解决方案是 Shultz 在他的论文中提出的，但是从这篇文章中我无法理解如何计算多元 ROC 曲线的最佳切点。
也许软件包中的解决方案Epi并不理想，因此将不胜感激任何其他有用的链接。