解构多重暴露的时间相关因果效应：将函数数据分析与多变量 mendelian 随机化相结合
应用统计
2026-02-17 v3
摘要
mendelian 随机化是一种广泛用于评估终身暴露对健康结果因果效应的工具变量方法。然而，许多暴露的因果效应在生命历程中会随时间变化，并且常与其他暴露共同影响结果，或通过调节通路间接影响结果。现有的多变量 mendelian 随机化方法假设暴露效应随时间恒定，因而无法捕捉这些动态关系。我们引入了多变量函数 mendelian 随机化 (mv-fmr)，这是一种新框架，将函数 mendelian 随机化扩展到同时建模多个时间变化暴露。该方法将函数主成分分析与数据驱动的交叉验证策略相结合，用于基函数选择，并考虑仪器重叠及调节效应。通过大量模拟实验，我们评估了 mv-fmr 在恢复时间相关因果效应方面的能力，并比较了联合暴露效应估计策略与分离估计策略的性能。在涉及非线性效应、水平仪器偏倚、调节及稀疏数据等情景下，mv-fmr 一致恢复了真实的因果函数，并优于单变量方法。为演示其实际价值，我们将 mv-fmr 应用于 uk biobank 数据，探讨收缩压和体质指数对冠状动脉疾病的时间相关因果效应。mv-fmr 提供了一个灵活且可解释的框架，用于解构复杂的时间依赖性因果过程，为识别生命历程中的关键时段和可干预的致病因子提供了新的机遇，从而有助于疾病预防。
引用
@article{arxiv.2512.19064,
title = {Unraveling time-varying causal effects of multiple exposures: integrating Functional Data Analysis with Multivariable Mendelian Randomization},
author = {Nicole Fontana and Francesca Ieva and Luisa Zuccolo and Emanuele Di Angelantonio and Piercesare Secchi},
journal= {arXiv preprint arXiv:2512.19064},
year = {2026}
}