A Bayesian Nonparametric Modeling Framework for Developmental Toxicity Studies
发育毒性研究的贝叶斯非参数混合建模框架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：摘要中的风险指毒性风险，研究对象是剂量反应计数模型，不能据此归入金融风险等细分。
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
发育毒性研究的贝叶斯非参数混合建模框架
- 研究问题
- 剂量反应实验中的重复计数结果难以由标准参数模型描述时，如何灵活刻画暴露水平与反应或死亡概率之间的关系？
- 方法与思路
- 作者构建依赖 Dirichlet 过程混合模型，使混合分布随剂量变化，同时增加响应分布和阳性反应概率函数的灵活性。
- 材料陈述的贡献
- 摘要称，文章提出用于发育毒性建模及风险评估的非参数框架，通过模拟与半参数贝叶斯方法比较，并分析两项实际研究。
- 阅读关注点
- 应核对剂量依赖先验如何构造、重复计数的相关结构如何处理，以及风险指标定义、先验敏感性和方法比较的评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明风险指标、剂量约束或模拟比较的具体结果。
原文摘要
We develop a Bayesian nonparametric mixture modeling framework for replicated count responses in dose-response settings. We explore this methodology for modeling and risk assessment in developmental toxicity studies, where the primary objective is to determine the relationship between the level of exposure to a toxic chemical and the probability of a physiological or biochemical response, or death. Data from these experiments typically involve features that cannot be captured by standard parametric approaches. To provide flexibility in the functional form of both the response distribution and the probability of positive response, the proposed mixture model is built from a dependent Dirichlet process prior, with the dependence of the mixing distributions governed by the dose level. The methodology is tested with a simulation study, which involves also comparison with semiparametric Bayesian approaches to highlight the practical utility of the dependent Dirichlet process nonparametric mixture model. Further illustration is provided through the analysis of data from two developmental toxicity studies.