A Signal-to-Noise Crossover Dose as the Point of Departure for Health Risk Assessment
Notice bibliographique
Résumé
BACKGROUND: The U.S. National Toxicology Program (NTP) cancer bioassay database provides an opportunity to compare both existing and new approaches to determining points of departure (PoDs) for establishing reference doses (RfDs). OBJECTIVES: The aims of this study were a) to investigate the risk associated with the traditional PoD used in human health risk assessment [the no observed adverse effect level (NOAEL)]; b) to present a new approach based on the signal-to-noise crossover dose (SNCD); and c) to compare the SNCD and SNCD-based RfD with PoDs and RfDs based on the NOAEL and benchmark dose (BMD) approaches. METHODS: The complete NTP database was used as the basis for these analyses, which were performed using the Hill model. We determined NOAELs and estimated corresponding extra risks. Lower 95% confidence bounds on the BMD (BMDLs) corresponding to extra risks of 1%, 5%, and 10% (BMDL01, BMDL05, and BMDL10, respectively) were also estimated. We introduce the SNCD as a new PoD, defined as the dose where the additional risk is equal to the "background noise" (the difference between the upper and lower bounds of the two-sided 90% confidence interval on absolute risk) or a specified fraction thereof. RESULTS: The median risk at the NOAEL was approximately 10%, and the default uncertainty factor (UF = 100) was considered most applicable to the BMDL10. Therefore, we chose a target risk of 1/1,000 (0.1/100) to derive an SNCD-based RfD by linear extrapolation. At the median, this approach provided the same RfD as the BMDL10 divided by the default UF. CONCLUSIONS: Under a standard BMD approach, the BMDL10 is considered to be the most appropriate PoD. The SNCD approach, which is based on the lowest dose at which the signal can be reliably detected, warrants further development as a PoD for human health risk assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».