С Юденом как раз всё просто, прочитать немного можно здесь со стр. 201 и далее: https://yadi.sk/d/g50i73pt3J6pAa
Сложнее обоснованно отклоняться в сторону увеличения Ч или Сп. Там преимущественно нужно считать экономические показатели. Например,если заболевание редкое (низкий преваленс), а Сп не 100%-ная, то можно просто разориться на проведённых впустую обследованиях здоровых... Но может кто-нибудь на форуме и имеет опыт подобных расчётов.

Если известна ожидаемая частота детектируемых методом случаев и соотношение цены ошибок первого и второго рода, то решение просто получается по формуле Youden в модификации Perkins и Schisterman. В том числе и предельные случаи: "детектировать все подряд" и "ни на что не реагировать, дешевле будет".

На самом деле я пытаюсь применить данную методику не совсем по назначению, а для поиска точки отсечения количественного предиктора в модели бинарной логистической регрессии.
Ведь практическая значимость результата выше при выделении точки отсечения. Например, "исходный уровень тромбоцитов перед операцией увеличивает шанс развития тромбоза чего-нибудь (ОШ, 95% ДИ, p=)", лучше выразить для практики как "исходный уровень тромбоцитов более 333 увеличивает шанс развития тромбоза чего-нибудь (ОШ, 95% ДИ, p=)".
И вот для перевода количественного предиктора в качественный я и пытаюсь применить поиск точки отсечения в ROC-анализе.

Заранее извиняюсь, если где=то какие-то глупости... пока пытаюсь разобраться в основах..

Строгое обоснование https://cyberleninka.ru/article/n/otsenka-k...ikatorov/viewer (в т.ч. раздел о значимости весовых коэффициентов) и ссылки на странице в разделе "похожие статьи"

Попробуйте ещё во эту книгу. Очень хорошо тут описано
https://core.ac.uk/download/pdf/80150469.pdf

Да, ROC-анализы действительно весьма продуктивны. Однако при этом они определяются не для одного лишь уравнения. А оптимально использовать это как раз для нескольких уравнений. И тогда можно выбирать самые лучшие уравнения. Вот почему я своим студентам как раз и предлагаю читать эти описания по адресам http://www.biometrica.tomsk.ru/ROC-analysis.pdf и http://www.biometrica.tomsk.ru/logit_4.htm . Рекомендую и Вам почитать эти статьи. Также ценно для использования таких ROC-кривых и тех уравнений, в которых более одного предиктора. И при этом можно сделать такие ROC-кривые как для всего уравнения со многими предикторами, так и раздельно ROC-кривые по каждому предиктору.

Добрый вечер, применим ли ROC-анализ для определения прогностической ценности порядковых или качественных переменных в диагностике какого-либо исхода? Или только для количественных данных?

Для порядковых - да, для качественных - только дихотомических (альтернативных, бинарных). Но в последнем случае при построении площади будет использоваться только одна точка над диагональю (или на диагонали), т.к. имеется только одна пара значений чувствительности и специфичности. Поэтому самостоятельной ценности такая штука не представляет, её имеет смысл использовать только для сопоставления диагностической эффективности разных показателей в разных шкалах (количественных, порядковых, качественных дихотомических), чтобы выразить их в одинаковых единицах - площадью под ROC-кривой.