31、不确定性分析与致癌生物测定的最优设计

不确定性分析与致癌生物测定的最优设计

1. 不确定性分析概述

不确定性分析旨在评估我们知识的局限性。即便运用了最佳的数据和模型，仍可能存在测量和建模误差。此外，影响总体参数的一个不太明显的不确定性来源是总体样本的有限大小。即使每个个体的特征都完全已知，从非详尽样本推断出的总体参数值仍会受到不确定性的影响。

1.1 不确定性分析的现状与挑战

目前，参数不确定性分析已较为常规，这得益于蒙特卡罗模拟技术的普及，有多种软件工具可供使用，如@Risk、Crystal Ball等。贝叶斯更新的MCMC模拟软件（如MCSim、BUGS等）的发展，也推动了数据证据的纳入。然而，处理复杂模型时，计算量仍然很大，但统计建模、数值分析以及计算机科学和技术的进步有望缓解这些困难。

更具挑战性的是处理模型和决策规则的不确定性。这主要源于建模哲学的分歧：
- 统计学家的方法 ：开发大量灵活的模型，让数据“自行发声”。在这种情况下，逐个检查模型不可行，因此积极研究抽样技术。
- 气候研究或生理建模的方法 ：从对所研究过程的机械理解出发，倾向于关注少数复杂模型。这种方法严重依赖先验知识，需要特殊的统计工具。

由于这种分歧，统一工具和广泛可用的模型不确定性分析通用软件可能还需要很长时间才能实现。但在健康风险评估中，这个问题亟待解决。例如，20世纪80年代，由于认识到癌症模型在低剂量预测上可能存在很大差异，默认选择了一种较为保守的多阶段模型，这可视为面对巨大不确定性时的一种预防措施。

1.2 不确定性分析的悖论与目标

不确定性分析本身