Отбор лучших переменных Опции

[DrgLena]

таблица с порогами - https://basegroup.ru/community/articles/logis-medic-scoring

там пороги 0,25;0,26;0,27... и так до конца прибавляется каждый порог по одной сотой. А если всех по порядку значений нет в моих вероятностях, то можно пропускать значения или нужно всё равно все просчитать прибавляя по одной сотой?

В этой ссылку порогаМИ назвали все значения расчетной вероятности, полученной в модели с большим числом количественных предикторов (табл из MedCalc), возможных комбинаций значений очень много и ничего там не прибавляется по одной сотой, у них есть эти значения и они их представляют, чтобы вы выбрали ПОРОГ, т.е. то значение которое разделит этот ряд на до и после. И к этой точке разделения представляют чувствительность и специфичность. 100$ вам пишет, что когда их много, то можно выбрать шаг, с которым их представлять. По вашей модели нет всех расчетных вероятностей и они не могут быть, нет таких данных. Но они все и не нужны, поскольку нужна только граница раздела. Я не поняла куда вы хотите прибавлять по одной сотой? Вы что хотите решить обратную задачу, по значениям пропущенных вероятностей посчитать какие должны быть предикторы?

Иногда в публикациях приводят не одну точку разделения, а две или даже три, чтобы показать какие значения можно использовать и с какими последствиями.

[малой]

Всё проще. Я хочу знать на сколько подробно принято привадить такие пороги в публикациях. Например, по моей методике все понятно, 8 вопросов и максимум два балла за каждый: 8*2= 16. И все 16 порогов можно показать с чувствительностью и специфичностью. А в модели как оптимально продемонстрировать пороги? Их слишком ведь много для того, чтоб все возможные варианты демонстрировать.

Сообщение отредактировал малой - 23.02.2016 - 20:06

[DrgLena]

И все 16 порогов можно показать с чувствительностью и специфичностью.

А зачем? Вы же должны настроить приемник

Посмотрите публикации по ROC, слово порогИ вы не найдете. На русском встречаются: оптимальная точка разделения, порог принятия решения, точка баланса между чувствительностью и специфичностью. На английском проще, cut-off point, cut-off value, optimal cut-off.

Еще, кроме чувствительности и специфичности принято приводить +LR это отношение характеризует тест одновременно по чувствительности и специфичности.

[малой]

Я на вики забрёл когда-то, и там там вообще сумасшедший набор характеристик для полученных результатов - https://en.wikipedia.org/wiki/Receiver_oper..._characteristic

Я использовал для характеристики отношения чувствительности/специфичности их сумму и accuracy (ACC)

Подскажите пожалуйста в чем преимущество +LR, почему именно его принято показывать в статьях?

Сообщение отредактировал малой - 24.02.2016 - 07:43

[DrgLena]

Я на вики забрёл когда-то,

Пора уже открыть какую то книгу по статистике или доказательной медицине, где ясно и просто показано, что такое характеристики диагностического теста, Флетчер Р. вполне подойдет.

А если еще раз на вики забредете, то
https://en.wikipedia.org/wiki/Likelihood_ra...gnostic_testing

[малой]

Если во главу угла ставлю чувствительность а специфичность получается более скромная, то есть ли нижний предел достаточной специфичности? Существует утвержденная градация чувствительности и специфичности? Вот в некоторых статьях пишут чувствительность/ специфичность "хорошая" или "очень хорошая", "отличная".

А в одной из статьей указали, что специфичность ниже 0,7 не позволяет методику использовать как самостоятельный инструмент. Что уже говорить про мою специфичность - 0,6 ))

Сообщение отредактировал малой - 26.02.2016 - 22:03

[DrgLena]

Вы перепутали чувствительность и специфичность.

[малой]

Уже исправил )) Извините пожалуйста