Bayesian Model Averaging With Applications to Benchmark Dose Estimation for Arsenic in Drinking Water
贝叶斯模型平均及其在饮用水砷暴露基准剂量估计中的应用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：摘要涉及环境健康风险与贝叶斯模型平均，未提供对应所列计量细分方向的充分证据。
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…
贝叶斯模型平均及其在饮用水砷暴露基准剂量估计中的应用
- 研究问题
- 环境暴露的剂量反应关系存在模型选择不确定性时，如何估计对应较低健康风险的基准剂量，并反映不同模型带来的差异？
- 方法与思路
- 作者提出用贝叶斯方法处理模型选择，推导模型平均后的基准剂量，并以台湾砷暴露相关肺癌数据说明方法的应用。
- 材料陈述的贡献
- 摘要称该方法将模型选择纳入基准剂量估计，给出模型平均版本，为考虑剂量反应模型不确定性的风险评估提供思路。
- 阅读关注点
- 阅读全文时应核对候选剂量反应模型、先验与模型权重、基准风险的定义，以及模型平均剂量的计算和不确定性表达。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；未说明先验、模型集合或应用数值，不能据此判断风险估计的准确性或推断刊本变化。
原文摘要
An important component of quantitative risk assessment involves characterizing the dose-response relationship between an environmental exposure and adverse health outcome and then computing a benchmark dose, or the exposure level that yields a suitably low risk. This task is often complicated by model choice considerations, because risk estimates depend on the model parameters. We propose using Bayesian methods to address the problem of model selection and derive a model-averaged version of the benchmark dose. We illustrate the methods through application to data on arsenic-induced lung cancer from Taiwan.