R 从回归模型计算风险分数时，如何考虑分类变量？

我有一个数据集，其中有许多变量，我想用它们来生成一个疾病风险评分

我已经创建了一个我正在尝试做的基本版本

数据集如下所示：

ID  DISEASE_STATUS  AGE  SEX  LOCATION
1   1               20   1    FRANCE
2   0               22   1    GERMANY
3   0               24   0    ITALY
4   1               20   1    GERMANY
5   1               20   0    ITALY

所以我运行的模型是：

glm(disease_status ~ age + sex + location, data=data, family=binomial(link='logit'))

该模型产生的β值如下：

bage = −0.193
bsex = −0.0497
blocation= 1.344

为了生成风险分数，我想将每个个体的值乘以β值，例如：

risk score = (-0.193 * 20 (age)) + (-0.0497 * 1 (sex)) + (1.344 * ??? (location))

但是，我将使用什么值将位置的beta分数乘以

---

谢谢大家!

你能在帖子中提供带有

dput

的data.frame吗？你能在帖子中提供带有

dput

的data.frame吗？