L'analyse statistique bayésienne de données toxicocinétiques

Bayesian statistical analysis of toxicokinetic data Risk assessment of chemicals requires toxicokinetic studies to determine the association between exposure and the quantity of toxin that reaches target tissues or cells. To characterize this link, experimental data about the agent's spatiotemporal distribution in the body (e.g., blood concentrations at various times) can be collected and analyzed with parametric models (called toxicokinetic or TK models). These models are generally compartmental and can be based on physiology (PBTK models). Appropriate statistical treatment allows fitting TK/PBTK models to the data. Bayesian analysis takes into account and estimates the uncertainty and variability inherent in TK data. It can integrate prior information on parameter values into the estimation process, thus limiting the need for experimental exposures. In this paper, we detail the Bayesian process of TK analysis, including the estimation (or calibration) of parameters and the checking and validation of models. The process can be completed by choosing between competing models or optimizing the design of experimental protocols. To illustrate this process, we analyze and model the toxicokinetics of 1,3-butadiene, a potential human carcinogen. L'évaluation de la toxicité des produits chimiques passe par une étude de leur toxicocinétique. Cette dernière vise à établir un lien entre l'exposition à une substance toxique et la quantité de celle-ci atteignant les tissus cibles de l'action toxique. Pour ce faire, l'expérimentation recueille des données de distribution spatiale et temporelle de la substance dans l'organisme étudié (par exemple, des mesures de concentration sanguine en différents instants). Il est ensuite possible de construire des modèles mathématiques paramétrés (modèles toxicocinétiques) pour caractériser la relation entre l'exposition et la quantité interne de toxique. Ces modèles sont généralement des modèles compartimentaux et reposent fréquemment sur une description physiologique de l'organisme (modèle PBPK). Des traitements statistiques appropriés permettent d'ajuster ces modèles à l'aide des données expérimentales. Nous décrivons comment l'analyse bayésienne permet de prendre en compte et d'estimer l'incertitude et la variabilité inhérentes aux données toxicocinétiques. Elle intègre l'information disponible a priori sur la valeur des paramètres, limitant, de ce fait, le nombre d'expositions expérimentales nécessaires. Le processus bayésien d'a