结合外部汇总统计信息的中介分析（MESSI）

环境健康研究越来越多地测量内源性组学数据（$\boldsymbol{M}$），以研究外源性暴露（$\boldsymbol{A}$）在给定混杂因素（$\boldsymbol{C}$）下影响健康结局（$\boldsymbol{Y}$）的中间生物学途径。为理解此类机制，常进行中介分析。若对中间途径感兴趣，则很可能已有文献确立了总效应的统计与生物学显著性，总效应定义为在给定 $\boldsymbol{C}$ 时 $\boldsymbol{A}$ 对 $\boldsymbol{Y}$ 的效应。对于具有连续结局和中介变量的中介模型，我们表明，利用关于总效应的外部汇总级信息可提高自然直接效应和间接效应的估计效率。此外，效率增益取决于结局模型（$\boldsymbol{Y}\mid\boldsymbol{M},\boldsymbol{A},\boldsymbol{C}$）与总效应模型（$\boldsymbol{Y}\mid\boldsymbol{A},\boldsymbol{C}$）之间的渐近偏 $R^2$，较小的值有利于直接效应估计，较大的值有利于间接效应估计。通过假设总效应服从随机分布，我们使估计过程对不相容的外部信息具有稳健性。若内部与外部人群的总效应一致，该框架允许向外部信息收缩。我们使用来自波多黎各探索污染威胁测试点（Puerto Rico Testsite for Exploring Contamination Threats）的数据对该方法进行了说明，其中假设细胞色素 p450 代谢物介导了邻苯二甲酸酯暴露对分娩孕龄的影响。关于总效应的外部信息来自最近发表的 16 项研究的汇总分析。所提出的框架将中介分析与新兴的数据整合技术相结合。