＞自分である程度の予測カットオフ値を決めて そんなことしません。 宿題で，「手計算して求めよ」，というわけではないのでしょう？ それなりのソフトを使えば良いだけです。 例えば，以下のページの例 カットオフ値・ROC曲線 https://istat.co.jp/sk_commentary/cut_roc 表１データ https://istat.co.jp/files/02b0eb0d69eb0daf1ca8c389d1d16fec.jpg BMI と疾病有無のデータです。BMIは連続値です。 下のほうへ見ていくと ＲＯＣ曲線を用いて、最適なカットオフ値の求め方を示します。 【方法①】 グラフの左上隅の起点座標（０％，100％）から点までの距離が最小・・・ 最適なカットオフ値は26です。 ##### この方法を R で計算，確認してみます。 # データ BMI<- c( 23, 25, 25, 25, 27, 29, 25, 23, 25, 26, 26, 28, 25, 23, 30, 24, 24, 24, 21, 24 ) disease<- c( 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0 ) dat<- data.frame(BMI, disease) # 最適カットオフ library(OptimalCutpoints) ROC<- optimal.cutpoints( "BMI", "disease", data= dat, tag.healthy = 0, method="ROC01" ) summary(ROC) 添付画像が，計算結果で， cutoff 26.00000000 となっています。 確かに，BMI 26 がカットオフ値です。 私がデータ解析をサポートした五味さんのインフルエンザ不眠研究 Gomi, S. (2022) Accuracy of short-term insomnia onset and composite clinical score in the differential diagnosis of common cold and influenza: A cross-sectional study https://igakkai.kms-igakkai.com/wp/wp-content/uploads/2022en/KMJ-E202248001.pdf これも，日数のカットオフを R で Youden’s index を計算し求めています。