5、癌症风险评估与分子流行病学研究解析

癌症风险评估与分子流行病学研究解析

1. 剂量 - 反应评估

1.1 细胞增殖与肿瘤发生率关系

细胞增殖可用于探究细胞增殖速率变化与肿瘤发生率之间的关系。例如，细胞增殖速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，基于机制的建模可用于选择合适的前体反应水平，并描绘其与肿瘤发生率的关系。

1.2 数据支持范围以下的外推

在已收集数据的剂量范围以下，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。在这种情况下，卫生机构通常采用默认程序来为低剂量下的风险设定上限，因为在低剂量下可能无法进行精确的风险估计。
- 线性外推法 ：这是一种常见的方法，适用于多种情况。当某物质具有遗传毒性时，它是最合适的模型；当人类暴露量或体内负荷较高，接近致癌过程中关键前体事件可能发生的剂量时；或者作为一种默认方法，不太可能低估低剂量下的风险。具体操作是从建模数据绘制一条直线到原点（零剂量、零风险，并校正背景），这意味着在低剂量下风险与剂量呈比例（即线性）关系。需要注意的是，这种线性关系仅假设在低剂量下成立，在高剂量下，剂量 - 反应曲线通常不是线性的。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，用于作为低剂量下每单位剂量增加的风险上限估计，并用于计算一系列暴露水平下的风险上限。
- 不估计低剂量风险法 ：这是另一种方法，但提供的信息较少。这种情况下，通常使用安全评估来估计人类暴露可能安全的剂量。这是除癌症外的不良影响评估中常用的方法，但也用于一些癌症评估。虽然这些安全评估有时被描述为