5、癌症风险评估与分子流行病学解读

癌症风险评估与分子流行病学解读

1. 细胞增殖与肿瘤发生率的关系

细胞增殖可用于探究细胞增殖率变化与肿瘤发生率之间的关系。例如，明确细胞增殖率达到何种变化水平会使肿瘤发生率增加 10%。通过这种方式，基于机制的建模能够帮助我们选择合适的前体反应水平，并描绘其与肿瘤发生率的关联。

2. 低剂量数据范围外的外推方法

在已收集数据的剂量范围以下，那些在观测范围内能同样良好拟合数据的替代模型会开始出现分歧。这种模型不确定性在决策者关注的暴露水平下较为常见。为应对这种情况，卫生机构通常会采用默认程序，为低剂量下难以精确估计的风险设定一个上限。

2.1 线性外推法

• 原理 ：从建模数据向原点（零剂量、零风险，校正背景因素）绘制一条直线，这意味着在低剂量下风险与剂量呈比例（即线性）关系。需注意，这种线性关系仅假设在低剂量时成立，在高剂量时，剂量 - 反应曲线通常并非线性。
• 应用 ：低剂量下剂量 - 反应曲线的斜率（更常见的是该斜率的上限）被称为斜率因子，用于估计低剂量下每增加一单位剂量的风险上限，进而计算不同暴露水平下的风险上限。

2.2 不估计低剂量风险法

这种方法提供的信息较少，即不估计现有数据支持的剂量范围以下的风险。此时，通常会进行安全评估，以估算对人类暴露可能安全的剂量。该方法一般用于癌症以外的不良影响评估，但也会在某些癌症评估中使用。不过，虽然这些安全评估有时被描述为基于生物阈值假设，但实际上很难从经验上区分真正的阈值和低剂量下非线性的剂量 - 反应曲线。