笔记—Calculating the Interindividual Geometric Standard Deviation for Use in the.docx

在IEUBK模型中使用的GSDi（独立个体的几何标准偏差）的估算Calculating the Interindividual Geometric Standard Deviation for Use in the Integrated Exposure Uptake Biokinetic Model for Lead in Children在IEUBK（Integrated Exposure Uptake Biokinetic Model）模型中，EPA采用了GSD来预测铅暴露对儿童的潜在危害和矫正最终的血铅水平，并且要求GSDi作为一个必须的输入参数。GSD量化了暴露于相似环境铅浓度下的儿童血铅浓度的变异性。特定站点独立个体的GSD可以在血铅和环境介质铅浓度同时测定时计算出来。本篇文献中的儿童血铅和环境铅数据只要来自于Bingham Creek和Sandy, Utah两个站点。GSDi的估算采用了回归模型，箱式模型，方程模型。根据三种不同方法对低于检测限和定量限的血铅数据的不同处理，估算GSDi发现不同统计方法估算出的GSDi相似，因此可以选用较为简单的统计方法。GSD（Geometric Standard Deviation几何标准差）的计算公式为：lgSG=lgx2-lgx2nn-1(李宝贵，1994)注：李宝贵在“几何标准差”解析中指出，平均数可以分为算术平均数和几何平均数， 可标准差不宜分为算术标准差和几何标准差 ， 标准误也不能分为算术标准误和几何标准误，因为标准差和标准误 的统计只适用于正态分布的资料。因此，“lgSG”应该是“对数值的标准差”，而不能误解为“几何标准差的对数值”。IEUBK模型中整合了暴露于空气、水、土壤、灰尘、饮食、油漆和其他来源的铅来估计6个月到7岁儿童的血铅水平。基于这些儿童铅暴露的可靠信息，模型可以估计出以血铅浓度几何平均值为中心的血铅浓度分布。在这一分布中采用GSD描述暴露于相似环境下儿童血铅水平的差异，这种差异主要来源于行为、生理和实验描述上的差异。用来估计GSD的统计方法包括非线性回归分析、结构方程模型、和两种箱式模型。在IEUBK模型向导手册中对GSD的估算采用了两种模型，一种是箱式模型，另一种是回归模型，后者假定不同年龄的儿童血铅与土壤和灰尘中的铅浓度成线性关系。一、方法选择：1.1血铅研究：在GSD的计算中需要测定的变异值包括住宅区内表面灰尘；住宅区外入口处和街道灰尘；房屋周边、花园和其他活动去的土壤；厨房水龙头饮用水和住宅区植被浇灌水。另外还有房屋使用年限、Hollingshead社会经济状况（SES）、儿童年龄，以及儿童手口行为频率，单个儿童的血铅含量、土壤铅含量、室内灰尘铅浓度最低限值。另外，环境介质的取样与儿童血铅取样并没有同时进行。土壤、室外灰尘以及油漆铅含量采用X射线荧光光谱分析，用原子吸收光谱法进行验证分析。手擦、室内灰尘和水样采用原子吸收光谱法分析。冶炼厂周围住宅区的空气铅浓度采用空气监测采样器进行取样。血铅测定采用阳极溶出伏安法，检测限为1.4 0.4 g/dL。未断奶的儿童手口行为是通过针对10个主题的14个问题的回答进行分级，然后对回答结果进行权重分析。1.2统计分析：估计GSDi的统计方法包括非线性分析、结构方程模型和箱式模型。最初的暴露数据的分析包括单变量分布拟合；血液、环境、行为的Spearman秩相关分析；血液、土壤和灰尘铅数据的对数转换后的三维关系图表。非线性回归分析非线性回归分析包括两种：the log of linear models和the linear in log models。the log of linear models是指解释变量总和的对数与血铅对数的线性关系；the linear in log models是指每个解释变量对数的总和与血铅对数的线性关系。解释变量包括年龄、土壤铅、室内外灰尘铅、手口行为和社会经济状况。年龄作为伪变量，根据0-72个月进行分层。非线性回归模型的选择通过R2的大小来选择最佳模型，通过一些样本的回归诊断例如残差归一化、自相关作用和方差同质性分析用来检验模型的正确性。95%置信区间下，双尾检验采用一下公式计算GSDi：结构方程模型的选择：结构方程模型是一种类似于非线性模型的公式。采用4.02版本的EQS模型和PROC模型。箱式模型：箱式模型是基于相同环境暴露下的儿童血铅浓度相似的假设，采用简单的统计方法估计GSDi。相似的土壤铅、灰尘铅、和其他介质铅浓度暴露下的儿童可以在模型中归为一类。在模型中，估计每一类儿童的血铅几何平均值和几何标准差GSDb。将GSDb从小到大排列，并从其排列中估计GSDi。有三种方法估算GSD：采用中位数估算中位数权重;采用儿童数目估算权重。由于土壤和灰尘两个分类的重叠，一个儿童可能会同时存在于多个分类中。二、结果分析在Bingham Creek的数据包含了875个儿童的血铅、土壤铅和室内灰尘铅浓度的数据。有170个儿童中，至少有一项是低于方法的检出限，有65个儿童全部低于方法的检出限；有377个儿童至少有一项低于方法的定量限，其中94个全部低于方法的定量限。有832个儿童的居住环境中的土壤和灰尘铅均小于400mg/kg。因此，BingCreek数据的几何平均值为3.1，GSD为1.6。残差的回归分析存在一些问题。残差平均值接近于0，残差方差大约是0.2。残差不是正态分布。非线性模型计算结果：GSD范围为1.4-1.7结构方程模型计算结果为：GSD范围为1.4-1.7箱式模型计算结果为：GSD范围为1.3-1.7在Sandy的数据中包括105名儿童的血铅、土壤铅、室内灰尘铅浓度的数据。其中14个儿童中至少有一项数据低于方法检测限，六个儿童的全部数据低于方法检测限，23个儿童中至少有一项低于方法定量限，10个儿童的所有项都低于方法定量限。Sandy数据的几何平均值为3.1，GSD为1.6。Sandy数据符合对数正态分布。土壤、入口处灰尘和手口行为明显与血铅浓度相关，但是相关系数很小，年龄、室内灰尘和街道灰尘，以及社会经济状况与血铅浓度不明显相关。非线性模型计算结果：GSD范围为1.3-1.6结构方程模型计算结果为：GSD范围为1.4-1.6箱式模型计算结果为：GSD范围为1.3-1.7结论通过分析，GSD与暴露的环境铅浓度是独立的。两个地点的总体GSD在个体GSD范围中变化。结果表明两个地点的环境铅暴露对血铅的贡献很小。箱式模型的分析中发现土壤和室内灰尘浓度和每个类别的GSD的没有相关性，都在1.02.8