{
  "id": "dose-response-relationship",
  "title": "剂量–反应关系",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "剂量–反应关系描述生物效应的强度或发生概率如何随某种因子的暴露量而变化。",
  "category": "health",
  "subcategory": "drugs",
  "type": "concept",
  "aliases": [
    "剂量–效应关系",
    "暴露–反应关系",
    "量效关系"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/dose-response-relationship/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/dose-response-relationship/",
      "json": "https://aiwiki.page/en/dose-response-relationship.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "剂量–反应关系是指生物系统接受某种因子的量与其所产生的效应之间的关联。这种因子可以是药物、环境中的化学物质、营养素、微生物，也可以是电离辐射等物理性暴露。反应可以表现为分子层面的变化、生理测量指标、临床结局，或人群中发生某一特定事件的比例。这一关系是药理学、毒理学和流行病学的基础，因为它将暴露与获益和损害的程度或发生概率联系起来。\n\n剂量–反应关系不一定呈直线，暴露量增加也并不总会使测得的反应增强。效应可能逐渐接近最大值，可能经过一段延迟才出现，可能因人而异，也可能在不同暴露水平下改变方向。此外，观察到随暴露水平变化的效应梯度，并不能自动作为因果关系的证据：还必须考虑研究设计、暴露测量、生物学机制以及其他可能的解释。因此，理解这些关系既需要生物学解释，也需要定量分析。"
    },
    {
      "heading": "剂量、暴露与反应的定义",
      "text": "剂量是指给予生物系统或由其摄入的某种因子的量。在药物研究中，剂量可以用每次给药的毫克数、每千克体重的毫克数或每日毫克数表示。环境研究则可能采用摄入速率、空气中浓度或累积暴露量来描述。这些量相互关联，但不能互换。工作场所空气中某种化学物质的浓度，并不能直接表明其被吸收的量；还必须考虑呼吸速率、暴露时长、防护装备以及吸收情况。\n\n从外部暴露到产生生物学后果，中间可能经历多个阶段。给予剂量是实际给予的量；吸收剂量是进入体内的量；靶组织剂量则指到达相关作用部位的量。药代动力学描述吸收、分布、代谢和消除如何将这些阶段联系起来。对于口服药物，生物利用度是指以原形进入体循环的药物所占的比例。因此，相同剂量经口服和静脉给药后，可能产生不同的药物浓度和效应。在辐射科学中，吸收剂量具有特定的物理含义：单位质量物质吸收的能量，计量单位为戈瑞，一戈瑞等于每千克一焦耳。\n\n反应通常分为量反应和质反应两类结局。量反应呈连续变化，例如血压、酶活性或气道直径的变化。它可以在个体、离体组织或细胞培养物中测量。质反应则记录预先定义的事件是否发生，例如是否出现癫痫发作、是否形成肿瘤，或是否达到指定的治疗目标。群体质反应曲线表示各剂量下发生该事件的个体比例。曲线的形状既反映生物学过程，也反映个体间易感性的分布。\n\n终点的定义决定了剂量–反应曲线的含义。对于同一种药物，症状缓解、实验室检测的生物标志物以及严重不良事件，可能各有不同的曲线。生物标志物的变化并不一定意味着生存状况或功能出现相应改善；这种区别是解读替代终点的关键。对于质反应结局，即使原始测量结果完全相同，改变事件的判定阈值也会改变曲线。\n\n因此，剂量–反应关系是一种有条件的描述，而不是某种物质本身所固有的恒定属性。它取决于物种、暴露途径、制剂、暴露安排、观察期和结局。如果没有充分界定这些条件，仅说某一剂量会引起某种特定反应是不完整的。不同实验之间的比较，要求计量单位和终点具有可比性，而不能仅凭图形看起来相似。"
    },
    {
      "heading": "生物学机制与数学模型",
      "text": "现代剂量–反应分析源于对毒物、药物及受体介导效应的实验研究。16世纪的医师帕拉塞尔苏斯将毒性与剂量联系起来，这一观点后来被概括为“剂量决定毒性”。定量理论则直到很久以后才出现。1910年，阿奇博尔德·维维安·希尔提出了描述血红蛋白协同结合的方程；此后，相关方程被广泛用于描述浓度–效应关系。20世纪20至30年代，阿尔弗雷德·约瑟夫·克拉克发展了将药物作用与受体占有率联系起来的定量方法。这些进展有助于奠定药效学的机制基础。\n\n一个简单的结合模型假设，药物可与一类彼此独立的受体可逆结合。在平衡状态下，受体占有率为\n\n\\[f=\\frac{C}{K_D+C},\\]\n\n其中，\\(C\\) 为游离药物浓度，\\(K_D\\) 为平衡解离常数。当 \\(C=K_D\\) 时，一半受体被占据。如果反应与受体占有率成正比，那么随着浓度升高，反应起初会迅速上升，随后随着可用结合位点逐渐被占据而趋于平台。然而，在真实系统中，受体占有率与反应之间的关系往往更为复杂。\n\n一种常用的经验模型是希尔模型，也称为S形 \\(E_{\\max}\\) 模型：\n\n\\[E(C)=E_0+\\frac{E_{\\max}C^h}{EC_{50}^{\\,h}+C^h}.\\]\n\n其中，\\(E_0\\) 为基线反应，\\(E_{\\max}\\) 为模型中相对于基线的最大变化量，\\(EC_{50}\\) 为产生该变化量一半时的浓度，\\(h\\) 为控制曲线陡峭程度的希尔系数。这个表达式描述的是随浓度增加而增强的反应；抑制效应则可用相应的负向变化表示。该模型是一种实用的近似描述，但拟合得到的希尔系数并不一定等于相互作用的结合位点数。\n\n效价强度关注产生特定效应所需的用量；效能关注在给定生物系统中能够达到的最大效应。在所比较的条件下，\\(EC_{50}\\) 较低的化合物效价强度更高，但其最大反应不一定更大。此外，\\(EC_{50}\\) 也不一定等于 \\(K_D\\)。信号放大、备用受体、受体偶联和下游反馈等因素，可使系统在大多数受体尚未被占据时就产生相当大的反应。反之，某种化合物也可能占据受体，却无法充分激活反应。\n\n模型也可用于描述化合物之间的相互作用。在理想的平衡条件下，可逆性竞争性拮抗剂会使激动剂的浓度–反应曲线向更高浓度方向移动，而不降低其能够达到的最大反应。不可逆性拮抗、受体储备有限或下游信号传导受抑制，则可能降低最大反应。只有当实验条件满足模型假设时，这些曲线特征才具有解释意义。仅凭一条在有限浓度范围内拟合得很准确的曲线，并不能确定产生该曲线的分子机制。"
    },
    {
      "heading": "曲线形状、阈值与非单调反应",
      "text": "线性关系意味着，在所考察的范围内，剂量每增加一个单位，反应的变化量恒定。其简单表达式为\n\n\\[E(D)=E_0+\\beta D,\\]\n\n其中，\\(D\\) 为剂量，\\(\\beta\\) 为斜率。线性通常只是一种局部近似，而非适用于从零暴露到任意高剂量的普遍规律。生物系统的能力有限，而严重效应可能改变被测量的系统本身。用对数坐标轴表示剂量也会改变曲线的外观：在等距浓度坐标轴上呈饱和双曲线的关系，在对数坐标轴上会呈现 S 形。零剂量对照本身无法绘制在对数坐标轴上。\n\n单调关系是指，随着暴露量增加，反应只沿一个方向变化，尽管其斜率可能改变。当受体、转运体或生理反应接近其能力上限时，就会出现趋于饱和的单调曲线。另一些关系则存在表观阈值：低于某一暴露水平时，几乎没有或完全没有可检测到的效应，超过该水平后才出现可测量的反应。如果修复、解毒或功能储备使机体在某一体内剂量以下不受损伤，就可能形成真正的生物学阈值。测量灵敏度不足或统计功效不足，也可能造成表观阈值。\n\n即使个体各自具有明确的阈值，群体水平的曲线也可能没有清晰的阈值。如果个体间的易感性存在差异，有些个体就会在低于影响大多数人群的暴露水平时出现反应。反过来，在规模较小的实验组中未观察到不良效应，并不能证明该效应在这一剂量下不可能发生。当结局较为罕见时，区分“效应不存在”和“未能检测到效应”尤为重要。\n\n非单调关系的变化方向会在所考察的暴露范围内发生改变。在营养领域，某种必需物质的缺乏和过量都可能有害，因此可能出现 U 形关系。当低浓度或中等浓度激活某一通路，而较高浓度又调动作用相反的通路、抑制信号传导，或损伤产生该反应的细胞时，就可能出现倒 U 形关系。激素相关系统可能表现出复杂的行为，因为受体亚型、反馈环路和组织特异性通路会在不同浓度下发挥作用。\n\n毒物兴奋效应一词描述的是一种双相模式：低水平暴露促进所测量的反应，而较高水平暴露则抑制该反应，反之亦然。实验系统中已有此类模式的报道，但其解释取决于具体的终点指标。例如，促进细胞生长本身并不一定有益。某一实验室测量指标呈现非单调曲线，并不能据此确定对整体健康有益的剂量范围。有关低剂量效应的主张，需要有该剂量范围内充分的观测数据、适当的对照和重复验证，并考虑多重检验与模型灵活性的影响。"
    },
    {
      "heading": "暴露持续时间、时机与延迟效应",
      "text": "仅凭剂量并不能完整描述一次暴露。单次大剂量、多次小剂量和持续输注所给予的总量可以相同，却可能产生不同的浓度变化曲线和生物效应。常用的药代动力学概括指标包括最高浓度 \\(C_{\\max}\\)、一个给药间隔内的最低浓度（通常称为谷浓度），以及浓度–时间曲线下面积（AUC）。哪项指标最能预测反应，取决于作用机制。例如，即使两种给药方案的 AUC 相近，其与峰浓度相关的毒性也可能不同。\n\n对于某些因子，累积暴露量是一项有用的预测指标。环境研究可能将暴露强度与持续时间结合起来，而职业暴露研究则可能用浓度乘以暴露年数来表示经空气途径的暴露量。传统的哈伯关系 \\(C\\times t=k\\) 表示，对于某一特定效应，浓度与暴露时间之间存在近似的等效关系。但这一关系并非普遍适用。高浓度可能使机体的解毒能力不堪重负，而在长期低水平暴露期间，修复过程可能减轻损伤。更一般的浓度–时间模型允许暴露强度和持续时间以不同的权重发挥作用。\n\n浓度变化与反应之间的延迟，可能使随时间记录的效应–血浆浓度曲线出现滞后现象：在浓度上升阶段和下降阶段，同一实测浓度对应的效应不同。一种解释是，血液与效应部位之间达到平衡需要时间。另一种解释是，改变基因转录、蛋白质合成或组织功能需要时间。因此，间接反应模型描述的是药物如何改变某种内源性介质的生成或清除，而不是假定反应会立即随浓度变化而变化。\n\n反复暴露也会改变反应性。持续暴露后，耐受性可通过受体脱敏、生理代偿或药物清除增加等机制，使某种效应减弱。对于某一特定反应，敏化则表现出相反的变化模式。与稳态有关的反馈可能掩盖某种化合物的直接作用：即使暴露仍在继续，早期出现的变化也可能逐渐减弱。此后，撤除该因子所引发的反应，可能反映出适应性改变在因子去除后仍然持续存在。\n\n当易感性随发育或疾病进程而变化时，暴露时机尤其重要。在怀孕期间，暴露的后果可能取决于暴露发生时所处的发育阶段，而不只是累积剂量。对于癌症及其他潜伏期较长的结局，诊断前数十年的暴露可能比近期暴露更为相关。在放射治疗中，分次照射的次数、每次剂量和间隔会影响肿瘤控制及正常组织损伤，因为在各次治疗之间，修复、细胞周期效应、细胞再增殖和氧合状态都在不断变化。这些例子需要用剂量–时间–反应关系来描述，而不能仅用一条二维曲线表示。"
    },
    {
      "heading": "个体易感性与人群分布",
      "text": "接受相同名义剂量的人，体内暴露水平或反应未必相同。体型、年龄、器官功能、遗传因素、疾病、合用药物以及既往暴露都可能改变这一关系。有些差异属于药代动力学差异，会改变到达作用靶点的浓度；另一些则属于药效动力学差异，即使浓度相近，不同个体的反应也不相同。区分这些变异来源十分重要，因为观测到的剂量–反应曲线综合体现了两者的影响。\n\n肾脏就是一个鲜明的例子。肾脏清除能力下降，即使给药剂量不变，也可能增加药物或活性代谢物的暴露量。肝酶活性的差异也可能产生类似影响。药物基因组学研究影响这些过程的遗传变异，以及药物靶点的遗传变异。对于需要经代谢活化的前药，酶活性降低可能减少活性成分的暴露量；而对于由同一种酶灭活的药物，酶活性降低则可能增加暴露量。因此，某种遗传差异的影响方向并非在所有情况下都一致。\n\n人群的质反应曲线常用于概括这种异质性。半数有效量 \\(ED_{50}\\) 是指在特定人群中使50%的个体出现某一规定效应的剂量。不过，\\(ED_{50}\\) 有时也用于表示产生最大量反应一半的剂量。这两种含义必须加以区分。同样，半数中毒量 \\(TD_{50}\\) 和半数致死量 \\(LD_{50}\\) 也取决于所规定的终点、观察期、物种及给药途径。它们都不是某种因子的普适常数。\n\n平均反应与个体反应之间的关系可能造成误导。一条平滑的人群曲线，可能源于不同个体在各自阈值处突然出现反应，而这些阈值分布在一系列剂量上。反过来，当一个亚组获益很大、另一个亚组几乎没有效果时，平均反应可能显得并不突出。取平均值还会掩盖不同结局之间的关联：最有可能获益的个体，未必也是最有可能发生毒性反应的个体。因此，评估获益与危害的联合分布，比仅比较两个人群平均值更能提供有用信息。\n\n统计模型可以利用协变量和随机效应来表征个体间变异。这类模型广泛用于群体药代动力学和药效动力学分析，借助众多参与者的观测数据，同时估计典型表现及其变异程度。然而，尚未解释的变异未必是随机的生物学噪声，其中也可能包含测量误差、未记录的暴露差异或模型设定错误。如果研究纳入的高龄者、多病共存者，或其他可能具有不同暴露–反应关系的人群较少，就尤其难以准确刻画易感性分布的尾部。"
    },
    {
      "heading": "实验设计、估计与因果解释",
      "text": "剂量–反应研究必须设置足够多的不同暴露水平，才能区分各种可能的曲线形态。对照组用于确定基线，中间剂量则有助于确定斜率和曲率。如果所有活性剂量都落在曲线的上平台区，或许可以估计最大反应，但难以准确确定效价。如果所有剂量都低于起效范围，研究可能会错误地得出无效应的结论。重复实验、恰当的时间安排以及可靠的暴露测量，与剂量水平的数量同样重要。\n\n随机对照试验能够为所分配剂量的因果效应提供有力证据，因为随机化可使其他致因因素在组间总体上达到平衡。临床试验盲法和适当的安慰剂对照可减少结局评估和行为方面的偏倚。即便如此，分配的剂量与实际暴露仍是不同的变量。不依从治疗、给药中断、呕吐以及清除率变化，都可能改变测得的浓度。在随机试验中，实际达到的浓度与结局之间的关联并不会自动具有随机化所带来的保障：例如，严重疾病可能同时影响药物清除率和预后。\n\n对于连续型结局，分析人员可以采用非线性回归、样条函数或机制模型。二分类结局通常采用逻辑回归模型或概率单位模型进行分析，而事件发生时间结局则需要使用能够处理随访与删失的方法。灵活的曲线可以揭示偏离线性的情况，但灵活性过高也可能拟合随机波动。因此，模型检验需要考察残差模式、不确定性、有较大影响的观测值，以及预测结果在生物学上是否合理。模型之间的比较应兼顾拟合程度与复杂度。\n\n观察性研究，包括队列研究或病例对照研究，还面临其他挑战。暴露可能与吸烟、职业、收入、既有疾病或其他决定结局的因素相关。如果疾病在确诊前的早期阶段就改变了暴露，就会出现反向因果。暴露测量误差可能使曲线趋于平缓或发生扭曲，尤其是在分类较粗或暴露随时间变化的情况下。曲线形态还取决于所采用的效应指标：风险差、相对风险、优势比和风险比不能互换使用。\n\n1965年，奥斯汀·布拉德福德·希尔将生物学梯度列为对关联作出因果解释时需要考虑的因素之一。当某种梯度与时间顺序和机制相符时，它可以增强一种解释的可信度，但它既不是因果关系的必要条件，也不是充分条件。阈值、饱和现象、相互竞争的通路以及测量误差，都可能掩盖真实的因果梯度。反之，混杂也可能造成表面上井然有序的梯度。因此，可靠的解释应以实验证据、时间先后顺序、暴露数据质量、机制以及研究间一致性所构成的综合证据为基础，而不能仅凭曲线的外观。"
    },
    {
      "heading": "治疗应用与剂量选择",
      "text": "在药物开发中，剂量–反应分析将早期生物活性研究与后期临床评价联系起来。初期研究用于确定耐受性和药代动力学特征，后续研究则比较不同剂量的疗效与安全性。选择剂量不能仅仅找到一个与安慰剂相比具有统计学差异的剂量。研究者还需要确定：暴露量增加到何种水平仍能带来有意义的获益，获益从何处开始趋于平台，以及在同一暴露范围内不良反应如何变化。即使一种药物已证实有效，如果对其剂量范围的研究不充分，仍可能留下不确定性。\n\n治疗指数通常表示为 \\(TD_{50}/ED_{50}\\) 这样的比值，过去在动物实验中也常使用 \\(LD_{50}/ED_{50}\\)。比值越大，意味着所选有效终点与有害终点之间的间隔可能越大，但这一指标将大量信息压缩成了一个数值。它无法描述曲线斜率、罕见严重事件、个体差异，也不能说明疗效终点与毒性终点在临床上是否具有可比性。治疗窗是一个相关的实用概念，指能够产生有益效应且毒性可接受的暴露范围；其边界不一定泾渭分明。\n\n当药物浓度比给药剂量更能提供有效信息时，暴露–反应分析尤其重要。对于华法林，抗凝作用通过国际标准化比值评估，该指标反映的是延迟出现的生理反应，而非血浆浓度引起的即时效应。对于胰岛素，降糖作用取决于制剂类型、吸收情况、进餐所致的葡萄糖进入血液、身体活动以及胰岛素敏感性。暴露过量可导致低血糖，但单一的剂量–反应曲线无法完整反映这一不断变化的系统。\n\n抗微生物药理学提供了采用不同暴露指标的实例。对于许多β-内酰胺类抗生素，其活性与一个给药间隔内游离药物浓度高于病原微生物最低抑菌浓度的时间比例有关。对于其他类别的抗微生物药物，浓度–时间曲线下面积（AUC）与最低抑菌浓度的比值，或峰浓度与最低抑菌浓度的比值，可能更有参考价值。这些关系取决于病原微生物、感染部位、宿主和所考察的终点。它们也将疗效与抗微生物药物耐药性联系起来，因为能够抑制敏感微生物的浓度，对耐药亚群未必具有同等的抑制作用。\n\n在肿瘤学领域，最大耐受剂量历来在细胞毒性化学治疗的开发中发挥着重要作用。但这种方法并不一定能为每一种靶向药物或免疫疗法确定最合适的剂量。靶点占有率或生物活性可能在出现剂量限制性毒性之前就已进入平台期，而累积性不良反应则可能在最初的观察期结束后才显现。因此，剂量优化可能需要比较多种给药方案，并综合考虑临床获益、长期耐受性、药代动力学和药效动力学。反映药物与靶点结合或相互作用的实验室指标可以提供证据，但不能替代对患者相关结局的验证。"
    },
    {
      "heading": "毒理学风险评估与低剂量外推",
      "text": "毒理学剂量–反应评估估计不良效应的发生可能性或严重程度如何随暴露水平而变化。它是风险评估的组成部分之一，其他组成部分包括危害识别、暴露评估和风险表征。危害关注某种因子在某些条件下能否造成损害；风险则关注在特定暴露条件下发生损害的概率及其后果。一种物质即使本身具有很强的毒性，在暴露可忽略不计时也可能只构成很小的风险；反之，广泛暴露可能使相对较小的个体风险成为重要的公共卫生问题。\n\n传统评估通常会确定未观察到有害作用剂量（NOAEL），即按照研究判定标准，未观察到不良效应的最高受试剂量。与不良效应相关的最低受试剂量则称为最低观察到有害作用剂量（LOAEL）。这些数值反映的是实验本身的特征，而不是对某个普遍适用的生物学界限的直接测量。NOAEL 取决于剂量间距、样本量、结局指标的敏感性以及统计方法。即使两项研究考察的是同一潜在关系，也可能因设计不同而得出不同的 NOAEL。\n\n相比之下，基准剂量法通过拟合模型，估计与预先设定的基准反应水平相对应的剂量。对于二分类不良结局，额外风险的定义可写为\n\n\\[\\frac{p(D)-p(0)}{1-p(0)}=r,\\]\n\n其中，\\(p(D)\\) 是剂量为 \\(D\\) 时的事件发生概率，\\(p(0)\\) 是背景发生概率，\\(r\\) 是选定的基准反应水平。基准剂量的置信下限通常缩写为 BMDL，可用作评估起点。这种方法利用了各剂量水平的信息，但结果仍取决于模型选择、数据质量和选定的反应水平。\n\n在阈值型评估中，参考剂量通常由评估起点除以不确定性因子得出。这些因子可用于处理实验动物与人类之间的差异、人群内部的变异、研究持续时间或数据库的局限性。所得数值并非经实验证明的、将绝对安全与必然受害截然分开的界限，而是一项综合科学证据与明确保护性假设的监管评估结果。类似地，暴露裕度将评估起点与估计的人体暴露水平进行比较，但不一定将这一比值换算为事件发生概率。\n\n当相关暴露水平下的风险过小、无法直接测量时，就需要进行低剂量外推。对于某些通过直接损伤脱氧核糖核酸而发挥作用的致癌因子，监管评估采用线性低剂量外推作为一种保护性方法。对于电离辐射，线性无阈模型被广泛用于辐射防护。应将此类模型与在每个低剂量水平上的直接观测区分开来。寿命研究（原子弹幸存者队列）等研究提供了重要的人体证据，但当分析涉及较小效应、较低暴露水平，或不同于直接研究对象的人群及暴露模式时，不确定性就会增加。"
    },
    {
      "heading": "混合物、复杂系统与预测的局限",
      "text": "现实中的暴露大多涉及不止一种因子。药物经常联合使用，环境中的化学物质以混合物形式存在，饮食也会同时提供多种物质。混合物引起的反应并不总能通过将各组分单独产生的已观察效应相加来预测。应采用何种比较基准，取决于生物学机制以及对“无相互作用”的定义。同一种组合在某个数学参照模型下可能表现为协同作用，在另一个模型下却表现为相加作用，因此，在解释相互作用之前，必须先明确所用的参照模型。\n\n浓度相加常用于作用相似的因子。在一种简单的表述中，将各组分的剂量换算为其单独产生某一指定效应所需剂量的比例：\n\n\\[\\sum_i\\frac{d_i}{D_i(E)}=1.\\]\n\n其中，\\(d_i\\) 是组分 \\(i\\) 的剂量，\\(D_i(E)\\) 是该组分单独产生效应 \\(E\\) 时的剂量。独立作用有时也称为反应相加，它提供了另一种参照。对于以是否发生来判定的二元事件，如果各组分导致该事件的概率彼此独立，则联合发生概率可表示为\n\n\\[p_{\\mathrm{mix}}=1-\\prod_i(1-p_i).\\]\n\n这些表达式体现了不同的假设，并不是支配混合物效应的普遍定律。\n\n实际反应与参照模型预测的偏离可能源于多个环节。一种物质可能抑制另一种物质的代谢，使后者在给药剂量不变的情况下，体内暴露量增加。两种化合物可能共同作用于同一信号通路、竞争同一靶点，或影响代偿机制。有些组合在不同剂量下会产生不同的相互作用。因此，仅用“协同”这样的单一标签，无法完整描述两种因子的反应曲面；该曲面取决于两种组分各自的剂量、作用时序、效应终点和观察时段。\n\n复杂的生物反应也使基于孤立系统结果的外推面临挑战。细胞培养试验可能检测出受体激活或细胞毒性，却无法反映吸收、代谢、免疫相互作用或器官层面的代偿。基于生理的药代动力学模型利用解剖学隔室和生理过程，将外部暴露与组织浓度联系起来。系统模型则可进一步将这些浓度与分子通路或组织反应关联起来。这些方法有助于使模型更符合生物学原理，但增加细节并不能消除不确定性：了解不足的参数或遗漏的通路可能对预测结果起主导作用。\n\n高通量试验、类器官和计算方法正在不断扩充可用的剂量–反应数据。机器学习能够识别不同化学物质和实验系统中的规律，但在训练数据集上的预测表现，并不能证明它对新的化学物质类别、人群或暴露范围也具有准确性。可靠的解释需要外部验证、恰当的不确定性估计，并明确区分内插与外推。最严谨的定量分析会始终区分哪些内容来自测量、哪些来自建模，以及哪些依赖于对未观测剂量、时间或人群的假设。"
    }
  ],
  "links": [
    "pharmacology",
    "epidemiology",
    "causation",
    "pharmacokinetics",
    "biomarker",
    "surrogate-endpoint",
    "paracelsus",
    "pharmacodynamics",
    "nutrition",
    "homeostasis",
    "pregnancy",
    "cancer",
    "radiation-therapy",
    "kidney",
    "pharmacogenomics",
    "randomized-controlled-trial",
    "blinding-clinical-trials",
    "placebo",
    "cohort-study",
    "case-control-study",
    "relative-risk",
    "drug-development",
    "therapeutic-index",
    "warfarin",
    "insulin",
    "hypoglycemia",
    "antimicrobial-resistance",
    "chemotherapy",
    "public-health",
    "dna",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}