Risk Assessment via a Robust Probit Model, with Application to Toxicology
稳健 Probit 风险评估模型及其毒理学应用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：研究对象是连续毒性反应；题名中的 Probit 与风险不足以支持离散选择或金融风险分类。
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…
关注这篇论文的作者
稳健 Probit 风险评估模型及其毒理学应用
- 研究问题
- 连续毒性结果的正态尾概率风险与另一种半参数超额风险定义如何联系，并如何降低风险分析对简单正态模型的依赖？
- 方法与思路
- 作者设定未知变换后的连续反应满足线性模型的半参数正态框架，开发变换估计与推断，并构造包括上确界范数检验的诊断程序。
- 材料陈述的贡献
- 摘要称，该框架统一两种既有风险评估方式，支持一致的剂量反应分析，并用一项抗结核候选药物毒理研究作案例。
- 阅读关注点
- 应核对未知变换的限制和识别、两种风险定义统一的条件，以及简单正态模型检验的校准方式与案例风险估计的解释。
- 阅读边界
- 仅据版本未注明的索引摘要；稳健性的具体范围及完整推断条件未列出，不能将毒理学风险结论扩展为金融风险结论。
原文摘要
Various frameworks have been suggested for assessing the risk associated with continuous toxicity outcomes. The first formulates the effect of exposure on the adverse effect via a simple normal model and then computes the risk function using tail probabilities from the standard normal distribution. Because this risk function depends heavily on the assumed model, it may be sensitive to model misspecification. Recently, a semiparametric approach that utilizes an alternative definition of excess risk has been studied. Unfortunately, it is not yet clear how the two approaches relate to one another. In this article, we investigate a semiparametric normal model in which an unknown transformation of the adverse response satisfies the linear model. We demonstrate that this formulation unifies the two existing approaches and allows for a coherent risk analysis of dose-response data. In addition, estimation and inference procedures for the unknown transformation in the semiparametric model for the continuous response are developed. These are incorporated in novel model-checking procedures, including a formal sup-norm test of the simple normal model. A well-known toxicological study of aconiazide, a drug under investigation for treatment of tuberculosis, serves as a case study for the risk assessment methodology.