Cutoff в прогностических моделях Опции

[Гематолог]

Дорогие друзья, нуждаюсь в помощи!

Как решить проблему cutoff, когда речь идет о количественной переменной, оказавшей
в Кокс-регрессивном анализе значимое влияние на выживаемость?
Например, Вы имеете 200 значений уровня ЛДГ (лактат-дегидрогеназы) у своих пациентов в виде колонки.
Далее, Кокс-регрессия показывает значимое влияние параметра на общую и бессобытийную выживаемость.
Вопрос. Как грамотно определить границу значения переменной?
Скорее всего Вы видели, как в прогностических индексах выделяют группы:

ЛДГ более 600 и менее 600.
Альбумин более 30 и менее 30 и т.д.

Я искал ответ по публикациям, где подобную задачу решали.
Привожу ниже рецепт от Немецкой группы по изучению лимфогранулематоза -

To develop a practical scoring system, all laboratory variables
were dichotomized. Cutoff points were chosen to make optimal
use of the information, with the conditions that the smaller
group contain at least 20 percent of all patients, that the cutoff
value demarcate a clearly abnormal state and if possible agree with
cutoff values used in the literature, and that the effects of the dichotomized
variables be of the same order of magnitude. No
dichotomized covariates were entered into the model unless the
continuous analogue had a significant independent prognostic effect.
This strategy was used to ensure that the selection of prognostic
factors for the model would be independent of the choice
of the various cutoff points.

Спасибо за помощь заранее!

[DrgLena]

1. ROC, вы нашли точку разделения, значение >4
2. Создали бинарную переменную по этому значению.
3. Используя эту переменную, вы должны построить логистическую регрессионную модель и оценить значимость коэффициента. При этом его значение exp(b) и OR рассчитанное руками из таблицы 2х2 в случае одновариантной модели совпадают, я уже приводила это значение. Оценка коэффициента в модели p=0,001. Вы, очевидно, строили модель не с редуцированной бинарной переменной, а с количественной. Коэффициент и его трактовка при этом будут различны.
4. Но, вас, конечно, интересует влияние фактора не просто на факт удача, неудача, а влияние на время наступления события, тогда Кокс( Proportional hazard (Cox) regression). Но, независимый предиктор тот же бинарный. Полученная модель также статистически значима Хи.кв.=4,1 р=0,042. Значение exp(b) =3,17 (р=0,07)
5. А теперь можете проиллюстрировать различия кривых К-М в двух группах и привести уровень значимости различия, выбрав подходящий критерий.
6. Все вышеизложенное и есть доказательство влияния сроков начала лечения на результат.