Radiation dose estimation with time-since-exposure uncertainty using the -H2AX biomarker
Młynarczyk, Dorota (Universitat Autònoma de Barcelona. Departament de Matemàtiques)
Puig, Pedro (Universitat Autònoma de Barcelona. Departament de Matemàtiques)
Armero, Carmen (Universitat de València)
Gómez-Rubio, Virgilio (Universidad de Castilla-La Mancha)
Barquinero, Joan Francesc (Universitat Autònoma de Barcelona. Departament de Biologia Animal, de Biologia Vegetal i d'Ecologia)
Pujol Canadell, Mònica (Universitat Autònoma de Barcelona. Departament de Biologia Animal, de Biologia Vegetal i d'Ecologia)

Date:	2022
Abstract:	To predict the health effects of accidental or therapeutic radiation exposure, one must estimate the radiation dose that person received. A well-known ionising radiation biomarker, phosphorylated -H2AX protein, is used to evaluate cell damage and is thus suitable for the dose estimation process. In this paper, we present new Bayesian methods that, in contrast to approaches where estimation is carried out at predetermined post-irradiation times, allow for uncertainty regarding the time since radiation exposure and, as a result, produce more precise results. We also use the Laplace approximation method, which drastically cuts down on the time needed to get results. Real data are used to illustrate the methods, and analyses indicate that the models might be a practical choice for the -H2AX biomarker dose estimation process.
Grants:	Agencia Estatal de Investigación PID2019-106341GB-I00 Agencia Estatal de Investigación RTI2018-096072-B-I00 Agencia Estatal de Investigación CEX2020-001084-M
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Language:	Anglès
Document:	Article ; recerca ; Versió publicada
Subject:	Biomarkers ; Statistical methods ; Statistics
Published in:	Scientific reports, Vol. 12 (November 2022) , art. 19877, ISSN 2045-2322

DOI: 10.1038/s41598-022-24331-1
PMID: 36400833

8 p, 2.1 MB

The record appears in these collections:
Articles > Research articles
Articles > Published articles