存在部分无效工具变量时的工具变量估计及其在孟德尔随机化中的应用

工具变量已被广泛用于估计暴露与结局之间的因果效应。传统的估计方法要求完全知晓所有工具变量的有效性；一个有效的工具变量必须对结局无直接影响，且不与未测量的混杂因素相关。正如孟德尔随机化研究所强调的，当遗传标记被用作工具变量时，完全知晓工具变量的有效性等同于完全了解所涉及基因的功能，这通常是不切实际的。本文中，我们提出了一种在缺乏这种完全知识时估计因果效应的方法。研究表明，只要无效工具变量的比例低于50%，即使不知道哪些工具变量是无效的，因果效应仍可被识别和估计。我们还引入了当50%阈值被违反时的识别条件。我们提出了一种快速的惩罚ℓ₁估计方法，称为sisVIVE，用于在不知晓哪些工具变量有效的情况下估计因果效应，并对其性能提供了理论保证。所提出的方法在模拟数据以及一项关于体重指数对健康相关生活质量指数影响的真实孟德尔随机化研究中得到了验证。R软件包sisVIVE可在线获取。