使用一族连接函数的基准剂量估计

本文提出一种在二项响应模型中使用一族连接函数来估计基准剂量（BMD）的方法，以处理模型不确定性问题。研究者通常使用具有单一连接函数的二项响应模型来估计 BMD。已提出多种形式的连接函数来拟合剂量-响应模型，以估计 BMD 及相应的基准剂量下限（BMDL）。然而，若假定的连接函数不正确，则从拟合模型估计出的 BMD 和 BMDL 可能不准确。为考虑模型不确定性，提出了模型平均（MA）方法，通过在包含有限个标准模型的模型空间上取平均来估计 BMD。通常的模型平均聚焦于预先指定的参数模型列表，当列表中无一为正确模型时会导致缺陷。本文提出一种替代方案，通过引入具有不同连接函数的无限多个附加模型来扩充初始参数模型列表。此外，推导了基于该连接函数族估计 BMDL 的不同方法。在模拟研究中将所提方法与 MA 进行比较，并应用于一个真实数据集。还进行了模拟研究以比较四种估计 BMDL 的方法。