用于稳健且高效 Mendelian 随机化的 Debiased 估计方程方法
统计方法学
2025-04-29 v2
摘要
Mendelian 随机化（MR）是一种广泛用于在存在测不准混合物的情况下进行因果推断的工具，它使用单核苷酸多态性（SNP）作为工具变量来估计因果效应。然而，SNP 通常对复杂特征的影响较弱，导致在包含弱工具时，现有 MR 分析中存在偏差。此外，现有的 MR 方法通常通过链位不等位 clumping 将分析限制在独立的 SNP 上，由于丢弃相关的 SNP，导致对因果效应估计的统计效率降低。为解决这些问题，我们提出了 Debiased 估计方程方法（DEEM），这是一种基于摘要统计量的 MR 方法，能够纳入大量相关、弱效应且无效的 SNP。DEEM 通过利用大量相关 SNP 的信息，有效消除了弱工具偏差，并提高了因果效应估计的统计效率。DEEM 还允许出现瘦高峰效应，调整赢家诅咒，并适用于两种样本和一种样本的 MR 分析。DEEM 估计器的渐近分析显示，其具有吸引人的理论属性。通过大量仿真和两个真实数据实例，我们展示了 DEEM 在与现有方法相比方面显著提高了 MR 分析的效率和稳健性。
关键词
引用
@article{arxiv.2408.05386,
title = {Debiased Estimating Equation Method for Robust and Efficient Mendelian Randomization Using a Large Number of Correlated Weak and Invalid Instruments},
author = {Ruoyu Wang and Haoyu Zhang and Xihong Lin},
journal= {arXiv preprint arXiv:2408.05386},
year = {2025}
}