Benchmark Dose Analysis via Nonparametric Regression Modeling.
Benchmark Dose Analysis via Nonparametric Regression Modeling.
复制标题
DOI：
10.1111/risa.12066
复制
发表时间：
2014-01
期刊：
影响因子：
--
通讯作者：
Lin L
中科院分区：
文献类型：
--
作者：
Piegorsch WW;Xiong H;Bhattacharya RN;Lin L
传统的定量风险评估中的基准剂量（BMD）估计是基于参数剂量-反应模型。然而，众所周知的问题是，如果所选参数模型不确定和/或指定错误，则可能导致不准确和可能不安全的低剂量推断。我们描述了一种非参数方法估计BMD与定量响应数据的基础上保序回归方法，并研究使用相应的，非参数，基于Bootstrap的置信限的BMD。我们通过模拟研究探索了置信限的小样本性质，并以癌症风险评估为例说明了计算方法。可以看出，这种非参数方法可以提供一个有用的替代BMD估计时，面对的问题，参数模型的不确定性。
Estimation of benchmark doses (BMDs) in quantitative risk assessment traditionally is based upon parametric dose-response modeling. It is a well-known concern, however, that if the chosen parametric model is uncertain and/or misspecified, inaccurate and possibly unsafe low-dose inferences can result. We describe a nonparametric approach for estimating BMDs with quantal-response data based on an isotonic regression method, and also study use of corresponding, nonparametric, bootstrap-based confidence limits for the BMD. We explore the confidence limits’ small-sample properties via a simulation study, and illustrate the calculations with an example from cancer risk assessment. It is seen that this nonparametric approach can provide a useful alternative for BMD estimation when faced with the problem of parametric model uncertainty.
登录
查看更多内容
影响因子：
3.4
作者：
Kang, SH;Kodell, RL;Chen, JJ
通讯作者：
Chen, JJ
影响因子：
3.8
作者：
Bailer, AJ;Noble, RB;Wheeler, MW
通讯作者：
Wheeler, MW
影响因子：
3.8
作者：
CRUMP, KS
通讯作者：
CRUMP, KS
DOI：
10.1080/00949650902737465
发表时间：
2010-01-01
影响因子：
1.2
作者：
Dette, Holger;Scheder, Regine
通讯作者：
Scheder, Regine
影响因子：
0.8
作者：
Bhattacharya, Rabi;Lin, Lizhen
通讯作者：
Lin, Lizhen