剂量反应关系分析结果解读
一、方法概述
剂量反应关系分析（Dose-Response Analysis）是毒理学、药理学及流行病学研究中的核心统计方法，旨在建立药物剂量（或暴露水平）与阳性反应概率之间的数学函数关系。该方法通过Probit模型（概率单位模型）将二分类反应变量与连续剂量变量进行关联建模，从而估计不同剂量水平下阳性反应的发生概率，并计算半数致死量（LD50）或半数有效量（ED50）等关键药理学参数。SPSSAU软件提供了基于Bliss法的完整剂量反应分析流程，涵盖模型参数估计、似然比检验、剂量反应表生成及可视化等关键步骤。
Probit模型的基本原理是假设反应概率的累积分布服从标准正态分布，通过最大似然估计法求解模型参数。模型的核心输出包括回归系数（反映剂量对反应概率的影响方向和强度）、模型拟合指标（McFadden R²、Cox & Snell R²、Nagelkerke R²）以及各概率水平对应的剂量估计值。当概率为0.5时对应的剂量值即为LD50/ED50，是评价药物毒性或疗效的核心指标。
在SPSSAU【实验/医学研究】模块选择【剂量反应】，将变量拖拽至右侧对应分析框，操作如下图：
二、案例分布
本分析共纳入243个有效案例，其中阳性反应132例（占54.321%），阴性反应111例（占45.679%）。阳性与阴性比例较为均衡，有利于Probit模型的稳定估计。
由表1可知，样本中阳性反应比例略高于阴性反应，总体阳性率约为54.3%，表明在当前剂量范围内，超过半数的观测对象表现出阳性反应。这一比例分布为后续Probit模型的估计提供了较为均衡的数据基础。
三、Probit模型参数估计
表2报告了Probit模型的参数估计结果。药物剂量的回归系数为0.318（标准误=0.037, z=8.514, p<0.001），95%置信区间为[0.245, 0.392]，区间不跨越0，表明剂量对阳性反应概率具有显著的正向效应，即随着药物剂量的增加，阳性反应的发生概率显著升高。常数项系数为-1.700（标准误=0.224, z=-7.588, p<0.001），95%置信区间为[-2.139, -1.261]。
从模型拟合指标来看，McFadden R²=0.268，Cox & Snell R²=0.309，Nagelkerke R²=0.412。其中Nagelkerke R²经过调整后可解释约41.2%的变异，表明剂量变量对反应概率具有中等偏上的解释力。三个伪R²指标的差异源于其计算方式不同，但整体趋势一致，均表明模型具有合理的拟合效果。
四、模型似然比检验
表3报告了模型的似然比检验结果。仅截距模型的-2倍对数似然值为335.052，加入药物剂量变量后的最终模型降至245.395，似然比卡方值为89.658（df=1, p<0.001），表明药物剂量变量的加入使模型拟合显著改善。最终模型的AIC值为249.395，BIC值为-1078.433。AIC值越小表示模型在考虑复杂度后的拟合效果越好，当前AIC值处于合理范围，进一步支持了模型设定的有效性。
五、剂量反应表
表4给出了基于Bliss法计算的剂量反应关系。当反应概率为0.50时，对应的剂量值为5.339（95% CI: 4.774~5.905），此即半数有效量ED50。该值的95%置信区间较窄，表明ED50的估计精度较高。从低概率端来看，当反应概率为0.01时，对应剂量为-1.967（95% CI: -3.768~-0.165），置信区间不跨越0，说明极低剂量下的估计仍具有一定可靠性。从高概率端来看，当反应概率达到0.99时，对应剂量为12.646（95% CI: 10.899~14.392），置信区间宽度约为3.5个单位，较ED50处有所增大，反映了高剂量端估计不确定性增加的一般趋势。
从剂量反应的梯度变化来看，概率从0.10到0.90对应的剂量范围为1.315到9.364，剂量跨度约为8个单位，说明在该区间内反应概率对剂量变化较为敏感。概率从0.01到0.10的剂量跨度为3.282个单位，而从0.90到0.99的剂量跨度为3.141个单位，两端跨度接近，反映了Probit模型对称分布的特征。
六、图形结果解读
图1 剂量—反应曲线图
图1展示了SPSSAU软件输出的剂量—反应曲线图。从曲线形态来看，反应概率随药物剂量的增加呈S型单调递增趋势，符合Probit模型的累积正态分布假设。曲线中段（概率约0.3~0.7区间）斜率最陡，表明该剂量范围内反应概率对剂量变化最为敏感；曲线两端逐渐趋于平缓，分别趋近于0和1，反映了极端剂量下反应概率的渐近特征。ED50=5.339位于曲线拐点位置，与表4中的估计结果一致。曲线的整体形态平滑，未出现异常波动，表明模型拟合效果良好。
七、结论
本研究基于Probit模型对243例样本的剂量反应关系进行了系统分析。结果表明，药物剂量对阳性反应概率具有显著正向效应（回归系数=0.318, z=8.514, p<0.001），模型似然比检验达到极显著水平（χ²=89.658, p<0.001）。基于Bliss法计算的ED50为5.339（95% CI: 4.774~5.905），估计精度较高。模型拟合指标方面，Nagelkerke R²=0.412，表明剂量变量能够解释约41.2%的反应概率变异。剂量反应表完整给出了从0.01到0.99各概率水平对应的剂量估计值及其置信区间，为药物剂量的精确控制提供了定量参考。综上，当前剂量反应模型设定合理、参数估计可靠，可为后续药理学研究及临床用药方案制定提供统计学支撑。