Bayes Methods for Combining the Results of Cancer Studies in Humans and other Species
结合人类与其他物种癌症研究结果的贝叶斯方法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：文本讨论跨物种剂量反应的贝叶斯外推，未提供对应所列经济计量细分方向的直接证据。
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…
结合人类与其他物种癌症研究结果的贝叶斯方法
- 研究问题
- 如何结合不同物种和不同物质的剂量反应研究估计人类癌症风险，并区分实验内抽样误差与跨实验相关性的不确定性？
- 方法与思路
- 作者提出分层贝叶斯方法，利用多物质、多物种数据估计实验间误差，并将生物学先验纳入人类剂量反应的后验分布。
- 材料陈述的贡献
- 摘要称，该框架明确区分两类误差，使实验数据、跨物种外推误差及生物学信息共同参与推断，并以环境排放的肺癌风险为例。
- 阅读关注点
- 应核对实验间误差的具体定义、层级先验和物种关系如何设定，以及人类风险后验对先验选择与数据组合方式的敏感性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体模型条件和验证结果未说明，示例不能证明跨物种外推普遍可靠。
原文摘要
We propose a class of Bayesian statistical methods for interspecies extrapolation of dose-response functions. The methods distinguish formally between the conventional sampling error within each dose-response experiment and a novel error of uncertain relevance between experiments. Through a system of hierarchical prior distributions similar to that of Lindley and Smith (1972), the dose-response data from many substances and species are used to estimate the interexperimental error. The data, the estimated error of interspecies extrapolation, and prior biological information on the relations between species or between substances each contribute to the posterior densities of human dose-response. We apply our methods to an illustrative problem in the estimation of human lung cancer risk from various environmental emissions.