高维设定下利用已测多效性效应的高效稳健孟德尔随机化方法
统计方法学
2020-11-23 v1
摘要
使用工具变量对因果效应进行有效估计，要求所有工具变量在给定关注的风险因素及任何混杂因素的条件下与结局独立。在采用大量遗传变异作为工具变量的孟德尔随机化研究中，这一条件不太可能满足。任一给定的遗传变异都可能与大量性状相关联，这些性状均代表了绕过关注风险因素而通向结局的潜在通路。此类多效性可利用标准的多变量孟德尔随机化加以处理，将所有可能的多效性性状作为协变量纳入。然而，若部分协变量并非真正位于通向结局的多效性通路上，以此方式得到的估计量将是低效的。我们提出一种方法，利用正则化来识别在一组潜在协变量中，哪些需要在孟德尔随机化分析中加以考虑，从而给出因果效应的高效且稳健的估计量。该方法可用于无法获取个体水平数据、分析仅能依赖汇总水平数据的情况。它也可用于待考虑协变量数多于工具变量数的情形，而这是标准多变量孟德尔随机化所无法处理的。我们展示了模拟研究的结果，证明了所提正则化方法在真实设定下的表现。我们还在一项应用示例中说明了该方法，该示例考察了血浆尿酸浓度对冠心病的因果效应。
引用
@article{arxiv.1911.00347,
title = {An efficient and robust approach to Mendelian randomization with measured pleiotropic effects in a high-dimensional setting},
author = {Andrew J. Grant and Stephen Burgess},
journal= {arXiv preprint arXiv:1911.00347},
year = {2020}
}