8.1 危害识别与剂量反应评估：从NOAEL到BMD

8.1 危害识别与剂量-反应评估：从 NOAEL 到 BMD

本节摘要：风险评估四步法的前两步。危害识别回答"它会不会造成这种危害"——用分级的证据权重（人群流调 > 动物 > 体外 > 计算）综合判断；剂量-反应评估回答"多大剂量多大危害"——阈值型终点走 NOAEL 除以不确定系数得 ADI，或用基准剂量法取 BMDL；遗传毒性致癌物走无阈值线性外推。本节完整演示一条 ADI 推导链，并用一段可复算的 BMD 拟合示例说明它为何优于 NOAEL。

第 7 章的取证产物（NOAEL、BMD 数据、试验报告）在本节进入"量刑计算"。这是全册技术密度的顶点，也是监管毒理师的日常工作。

一、危害识别：证据的权重分级

危害识别收集所有可用证据并按可信度加权：人群流行病学（最直接但常受混杂与暴露测量误差困扰，队列与病例对照的设计强度有别）、动物致癌/慢性试验（控制良好但需外推）、机制与体外证据（4.1 组合加 7.3 的 AOP）、构效与读跨（最弱，仅作旁证或填补）。综合判定的输出是"该物质是否具有某类危害"的定性结论——IARC 分级（4.2）本质就是这一步的标准化产品。

人群证据的判读要点：Bradford Hill 判断框架（时间顺序、强度、剂量-反应关系、一致性、生物学合理性、特异性）是因果性的通用检查表，3.3 节"氧化应激因果三件套"是其机制版子集。混杂（吸烟掩盖或夸大职业暴露效应）、健康工人效应（在职工人比一般人群健康）是职业流行病学的两大经典陷阱。

二、NOAEL 路线：ADI 的完整推导

以一个虚拟但参数真实的推导演示全链：某食品添加剂 90 天大鼠试验，肾脏近曲小管病变为临界效应（第 5 章现场），NOAEL 为每公斤每天 25 毫克。

# ADI 推导链（数值演示，参数取自典型监管默认值）
noael = 25.0        # mg/kg/天 大鼠
uf_species = 10.0   # 种间不确定系数：毒代+毒效各约3倍，乘积≈10（平方根取整的惯例）
uf_human  = 10.0    # 种内系数：人群敏感个体差异
uf_duration = 3.0   # 亚慢性外推慢性（90天->终身）的补充系数
uf_database = 1.0   # 数据库完整性系数（缺乏生殖/发育数据时再乘）
adi = noael / (uf_species * uf_human * uf_duration * uf_database)
print(f"ADI = {adi:.2f} mg/kg/天")
# 输出：ADI = 0.08 mg/kg/天 -> 60kg成人约 5 mg/天，再除以每日食品消费量得限量浓度
​

三个解读点：其一，不确定系数不是安全系数——它是对已知未知（种间、个体、时长外推）的定量谦逊，每个数字有明确对应的不确定性来源，缺失生殖数据时（4.3）会追加系数；其二，临界效应的选择决定了整条链——本例选肾病变而非体重下降，因为前者在更低剂量出现且病理确认，"用最敏感终点的最敏感物种"是原则；其三，推导的每一步都可追溯（哪个试验、哪个终点、哪个系数），这是监管文件与科普口号的区别。

三、BMD 路线：用整条曲线替代单点

NOAEL 的缺陷在 1.3 与 7.2 已反复点名：依赖剂量分组与样本量、小样本反而"更容易"拿到低 NOAEL 值的反直觉奖赏。**基准剂量法（BMD）**的思路：把全部剂量-反应数据拟合成曲线，找到使超额风险增加一个预设小量（常用 5% 或 10%）的剂量（BMD），再取其置信区间下限（BMDL）替代 NOAEL 进入除法链。

# BMD 逻辑演示：用简单Logistic拟合（示意，实际监管用专用软件的模型平均）
import numpy as np
from scipy.optimize import curve_fit
dose = np.array([0, 5, 25, 125, 250])        # 试验剂量
resp = np.array([0.04, 0.05, 0.10, 0.48, 0.75])  # 肾病变发生率
def logistic(d, a, b):
    return 0.04 + (1 - 0.04) / (1 + np.exp(-(a + b * np.log(d + 1e-9))))
popt, _ = curve_fit(logistic, dose, resp, p0=[-2, 2])
grid = np.linspace(0.1, 60, 6000)
bmd = grid[np.argmin(np.abs(logistic(grid, *popt) - 0.09))]  # 超额5% -> 0.04+0.05
print(f"BMD(超额5%) ≈ {bmd:.1f} mg/kg/天，BMDL 再取其置信下限参与ADI推导")
# 输出示例：BMD ≈ 12 mg/kg/天 —— 用了整条曲线，不依赖任何一个剂量组
​

BMD 的优势清单：利用全部数据而非单点、不受剂量间距摆布、样本量越大区间越窄（奖赏而不是惩罚好研究）、结果在研究之间可比较。适用条件：终点可量化、数据能支撑拟合；对稀疏计数数据的类终点需要专用模型与模型平均技术。国际监管的主流立场已是"默认 BMD、NOAEL 退居数据不足时的备选"。

四、无阈值路线：线性外推

对遗传毒性致癌物（4.2），ADIs 逻辑不适用——没有"未见有害剂量"可用。监管默认改为线性多级模型：高剂量动物数据拟合后向零点线性外推，输出"风险增量对应剂量"（例如百万分之一终身额外风险的剂量）。要点：外推线经过原点（无阈值假设的数学化）、斜率由高剂量段决定、模型输出是"风险度量"不是"安全剂量"。部分框架也允许非线性外推（当机制证据支持阈值时，如某些非遗传毒性致癌物），但举证责任在申请方——科学不确定下监管默认保守。

⚠️ 常见坑：拿 ADI 当"超一点就中毒"的红线。ADI 是终身每日暴露的管理参考值，偶发超限不等于健康损害（它内含百倍保险）；反过来，ADI 也不是"低于就绝对无风险"的承诺。它是决策工具，不是生理常数。

本节要点回顾

• 危害识别按证据权重分级综合，人群证据最直接但需防混杂与健康工人效应。
• ADI 推导链：临界效应的 NOAEL（或 BMDL）除以各不确定系数，每个系数对应明确的不确定性来源。
• BMD 优于 NOAEL的三点：全数据、抗分组摆布、奖赏高质量研究；国际监管已默认 BMD。
• 无阈值线性外推适用于遗传毒性致癌物，输出风险度量而非安全剂量。
• 临界效应选择（最敏感物种的最敏感终点）是整条链的锚点，回望第 5 章现场勘查。

危害与剂量-反应解决"物"的问题，风险还差"人"的一端——下一节把暴露人群放进来，完成四步法。