Bayesian Quantile Impairment Threshold Benchmark Dose Estimation for Continuous Endpoints.
Bayesian Quantile Impairment Threshold Benchmark Dose Estimation for Continuous Endpoints.
复制标题
DOI：
10.1111/risa.12762
复制
发表时间：
2017-11
期刊：
影响因子：
--
通讯作者：
Shao K
中科院分区：
文献类型：
--
作者：
Wheeler MW;Bailer AJ;Cole T;Park RM;Shao K
定量风险评估通常从估计与特定风险水平相关的暴露或剂量开始，从中可以推断出对人群构成低风险的暴露水平。对于连续暴露，该值（基准剂量）通常由未暴露时的中值或平均响应的指定增加（或减少）来定义。这种计算基准剂量的方法没有考虑响应分布，因此不能根据目标人群的概率陈述进行解释。我们研究分位数回归作为中值或均值回归的替代方法。通过定义剂量-反应分位数关系和损伤阈值，我们将基准剂量指定为与特定概率相关的剂量，即人群将具有等于或比指定损伤阈值更极端的响应。此外，为了尽量减少模型的不确定性，我们使用贝叶斯单调半参数回归来定义暴露-反应分位数关系，这使模型能够灵活地估计量子剂量-反应函数。我们描述了这种方法并将其应用于流行病学和毒理学数据。
Quantitative risk assessment often begins with an estimate of the exposure or dose associated with a particular risk level from which exposure levels posing low risk to populations can be extrapolated. For continuous exposures, this value, the benchmark dose, is often defined by a specified increase (or decrease) from the median or mean response at no exposure. This method of calculating the benchmark dose does not take into account the response distribution and, consequently, cannot be interpreted based upon probability statements of the target population. We investigate quantile regression as an alternative to the use of the median or mean regression. By defining the dose–response quantile relationship and an impairment threshold, we specify a benchmark dose as the dose associated with a specified probability that the population will have a response equal to or more extreme than the specified impairment threshold. In addition, in an effort to minimize model uncertainty, we use Bayesian monotonic semiparametric regression to define the exposure–response quantile relationship, which gives the model flexibility to estimate the quantal dose–response function. We describe this methodology and apply it to both epidemiology and toxicology data.
登录
查看更多内容
DOI：
10.1164/ajrccm/145.3.605
发表时间：
1992-03-01
期刊：
AMERICAN REVIEW OF RESPIRATORY DISEASE
影响因子：
--
作者：
ATTFIELD, MD;HODOUS, TK
通讯作者：
HODOUS, TK
影响因子：
3.8
作者：
CRUMP, KS
通讯作者：
CRUMP, KS
DOI：
10.1111/1467-9876.00229
发表时间：
2001-01-01
影响因子：
1.6
作者：
Fahrmeir, L;Lang, S
通讯作者：
Lang, S
影响因子：
3.8
作者：
Gaylor, DW;Slikker, W
通讯作者：
Slikker, W
影响因子：
3.8
作者：
Noble, Robert B.;Bailer, A. John;Park, Robert
通讯作者：
Park, Robert