23、癌症与人类健康风险评估中的统计方法

癌症与人类健康风险评估中的统计方法

1. 癌症筛查与肿瘤生长的关系

在癌症筛查中，当参数值相同时，会得出这样的结论：由于最优筛查导致的检测时肿瘤大小的减小，在筛查人群肿瘤生长率变化的情况下相对稳定；然而，最优筛查年龄模式对肿瘤动力学这一关键参数的变异性更为敏感。

2. 统计方法在风险评估中的应用

2.1 频率派与贝叶斯派方法

在风险评估中，忽略频率派和贝叶斯派之间看似永无止境的争议，出于实际应用的考虑，两种方法都被采用。不同的风险评估者对概率的理解可能不同，频率派将其视为事件的长期频率，而贝叶斯派将其视为对命题的信念度量。这些“个人信念”会影响从实验数据中提取信息以及通过复杂统计分析得出研究结果的方式。

2.2 生存数据分析方法

统计分析方法在生存数据方面已广泛渗透到临床试验和流行病学的各个领域。这主要得益于稳健且灵活的非参数统计方法的可用性，例如：
- 生存曲线的 Kaplan–Meier 估计
- 平行组检验的 log - rank 检验
- 用于识别预后因素的比例风险回归

当观察到事件发生时间数据时，生存时间（失效时间）分析已成为最先进的方法。在风险评估研究中，由于通常包含时间成分，因此需要关注定义时间点和持续时间长度的选项，以便应用生存分析方法。

2.3 低剂量外推方法

早期风险评估的重点是将在一组条件下一个人群中观察到的效应外推到整个人类群体，即低剂量外推。传统的参考剂量基于从动物生物测定数据得出的 NOAEL，但该方法已受到批评，并与基准剂量方法形成对比。在 20 世纪 70 年代，低剂量外推使用 log