No-Observed-Adverse-Effect Levels in Severity Data
毒性严重程度数据中的未观察到不良反应剂量水平AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦毒理剂量阈值与有序反应建模，未提供归入所列计量领域细分的充分依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
毒性严重程度数据中的未观察到不良反应剂量水平
- 研究问题
- 在按剂量和毒性严重程度分类的受控实验中，如何估计未增加毒性发生频率或严重程度的最大已观察剂量？
- 方法与思路
- 作者对连续比率 logit 模型作轻微修改，并在适当定义的数据子集上重复应用此前针对二分类反应提出的 AIC 方法。
- 材料陈述的贡献
- 摘要称，该重复应用方法给出多级严重程度情形下 NOAEL 的最大惩罚似然估计，并以三组啮齿动物暴露数据说明。
- 阅读关注点
- 应核对连续比率模型的具体修改、数据子集划分及惩罚项，并检查最大惩罚似然结论与剂量阈值定义如何衔接。
- 阅读边界
- 仅据未注明稿件版本的 OpenAlex 摘要；模型条件及估计不确定性未说明，未观察到不良反应不能直接解释为已证明安全。
原文摘要
Toxicity data are often categorized by severity of response and dose level with the assumption that there is a tolerated dose below which there is no toxicity. For data from a controlled experiment, the largest observed dose at or below the tolerated dose is called the no-observed-adverse-effect level (NOAEL). The problem of identifying the NOAEL can be viewed statistically as estimating the maximal observed dose for which there is no increased severity or frequency of toxic response. We previously proposed a method based on the Akaike information criterion (AIC) for the case with only two response levels (presence or absence of a toxic endpoint). We show here that repeated applications of that method to suitably defined subsets of data provide the maximum penalized likelihood estimate of the NOAEL when there are multiple severity levels, under a slight modification of the continuation-ratio logit model. Three sets of data on controlled exposure of rodents are used to illustrate the method.