情境分层明尼尔德随机作用：利用区域暴露变异探讨因果效应异质性与非线性
统计方法学
2025-07-16 v1
摘要
明尼尔德随机作用（MR）利用遗传变异作为工具变量，以建立因果推断。标准MR方法通常报告单一的population平均估计，限制了其探索效应异质性或非线性剂量-反应关系的能力。现有的分层方法，如残差基于和双排序分层MR，试图克服这一限制，但依赖于强大且不可验证的假设。我们提出了另一种方法，即情境分层明尼尔德随机作用，通过利用暴露在子组（如招募中心、地理区域或时间段）中的外生变异，来探讨效应异质性和非线性。将在每个情境中执行独立的MR分析，并通过Cochran's Q统计量和.meta回归来评估结果估计的异质性。我们通过模拟实验表明，该方法在异质性存在时能够检测到异质性，在适当使用方法时保持名义假阳性率。在一个应用实例中，我们使用UK Biobank数据 assess了维生素D水平对冠状动脉疾病风险在20个招募中心之间的效应。尽管存在区域性维生素D分布的变异，但没有证据表明存在因果效应或估计的异质性。相对于需要基于模型假设的分层方法，情境分层方法简单易实现且对collider偏误具有鲁棒性，前提是情境变量为外生变量。然而，该方法的统计功效和可解释性严重依赖于情境之间暴露分布是否存在有意义的外生变异。在维生素D的例子中，来自其他分层方法的子组探索了暴露分布的更广范围。
引用
@article{arxiv.2507.11088,
title = {Context-stratified Mendelian randomization: exploiting regional exposure variation to explore causal effect heterogeneity and non-linearity},
author = {Stephen Burgess and Benjamin A R Woolf and Amy M Mason},
journal= {arXiv preprint arXiv:2507.11088},
year = {2025}
}