风险计算与估算方法.pptx

风险计算与估算方法Methods of Risk Calculation and Estimation;引言 “历史”风险估算 “新”风险 “新”风险（2）：流行病学及其混合性 剂量低于背景值的风险：“线性默认”;风险的衡量方法 风险的评估范围 ;历史（historical）风险 与风险有关的不利事件已经发生或将继续发生，并且已经积累了充足的数据。 例子：传染病，交通事故，工业事故，气候影响（飓风、龙卷风、雷击）;模型（model or theory）——外部变量（时间、工人数目、工厂规模等）变化时事物是如何变化的 历史风险：相对的高概率事件 例如：某事件 个人：10-5/年 USA： 10-5*2.81*108=2810/年;数据 试验（test）和拟合（fit）模型 选择适合数据的最简单的模型 估算风险 应用：意外事故——交通事故、溺水、爬山 自然灾害——暴雨、洪水、雪灾;假设条件：未来发生概率与过去的概率相同；后果相似;;模型——风险如何依赖于各种变量 改变模型中的变量，通常这个变量并不在原始数据（用来建立模型的数据）中 时间变量：通常用于预测未来 其他变量：大小、浓度、剂量 例如：数据——美国工业的伤亡风险与工厂规模 建立模型：“拟合数据”（重复数据） 估算风险——通过改变变量（工厂规模） ;以上概括出的步骤可以延伸用于估算小范围人群的事件风险。例如：矿工群体中肺尘病的死亡风险 涉及的小范围人群可以通过模型中的不同变量值来描述 研究表明，肺尘病与吸入粉尘的量有关，所以通过进一步研究我们可以得到风险的增加和吸入粉尘量（在其他的一些因素之中）之间的关系。 ;我们有很多关于后果（consequences）的历史数据，并且会怀疑某些行为至少导致了其中一些后果，但是我们却没有清晰的子群，仅仅在暴露行为上不同于其他的人群 例如：空气污染 高暴露下的空气污染“事故”中，死亡率和发病率急剧升高； 较低水平的空气污染和死亡率之间存在关联性，但关联性并不足以证明因果关系 ;可能存在很多其他的变量与二者有关联 通常称为混合（confounding）变量—收入水平、抽烟习惯、职业、地理位置、心理压力;即使存在丰富的历史数据，如果不假设一些理论模型，也不能对未来的风险做出预测 空气污染的例子表明如果我们缺少一个确定的理论框架，那么即使是过去的风险也存在不确定性 在因果关系不明显的情况下，未来风险的预测指标是在过去呈现出最平稳趋势的特定风险;不确定性的来源：模型；统计数据;如果能确定变量和结果之间有关联（correlation），还是可以用上述方法的 以空气污染为例： 在分析空气污染对人体健康的影响时，由于我们不知道哪种污染成分对身体健康造成影响，因此不能确定这些影响是由被测的哪一成分造成的 但是不同成分往往在一起产生，所以当所有的组分一起变化时，它们的浓度是高度相关的 因此对一种（或几种）组分的测量可以给出其他所有组分的间接测量结果 ;这样就建立了一个模型——健康效应与测得的污染物浓度有关 如果所使用的替代变量与实际有害污染成分保持同样的关系或关联的话，那么这个模型也可以给出有效的预测。 ;什么时候用？ 当控制风险大小的变量未知、不可量化或太复杂时，就会用到替代变量 如何用？ 在建立模型时，用合理的替代变量拟合数据，拟合度最好的、最简单的模型就是最有用、最可靠的模型 注意事项 使用替代变量可能会得到假的结果； 要避免使用明显不可信的模型（婴儿出生率与鹤的出现率）； 当使用的替代变量预测风险不准确时，可能是这个替代变量完全不适合； 不要通过改变替代变量来控制风险（例如：空气污染物与死亡率） ;假设我们可以估算出美国所有人口每年死于各种事件概率大小。尽管这些估算可以精确地反映美国总的年死亡率，但是将它们应用到美国某特定亚人群或特定个体时，它们是普遍不准确的。 例如：从平均死亡率可以得到整个美国人群的平均死亡风险，大约为9×10-3，但对于年龄高于85的男性人群来说，在1998年死亡风险大约为0.17;事件树（event tree）分析法;四道防线： 设计一个稳定的反应堆（轻水反应堆）；反应堆冷却剂泄漏时，核反应立即停止 堆芯冷却系统（防止燃料熔化） 安全壳（containment vessel） 人烟稀少；周围设为禁区;以轻水核反应堆（LWR）的冷却剂璃事故（loss of coolant accident，LOCA）为例 全世界每年有8000类似的核反应堆在运行，发生了一起严重的LOCA事故——三哩