多变量孟德尔随机化中的弱工具变量：方法与实践
统计方法学
2024-08-20 v1
摘要
多变量孟德尔随机化方法利用遗传变异作为多种暴露的工具变量，以估计在给定暴露对结局的效应，同时控制线性模型中包含的所有其他暴露。不幸的是，每增加一个暴露都会使弱工具变量问题更可能发生，因为我们需要每个暴露的条件性强遗传预测因子。该问题在实践中已得到充分认识，不同版本的 F 统计量常被常规报告为工具强度的度量。然而，这些 F 统计量有时被用于指导工具变量选择，甚至用于决定是否报告经验结果。与其丢弃低 F 统计量的发现，弱工具变量稳健方法可在弱工具变量条件下提供有效推断。对于双样本汇总数据的多变量孟德尔随机化，我们鼓励使用 Andrews（2018）的推断策略，同时报告稳健和非稳健置信集，以及一个衡量非稳健置信集在覆盖率方面可靠性的统计量。我们还提出了一种新颖的校正 Kleibergen 统计量，用于纠正遗传关联中结局的过度离散异质性。
引用
@article{arxiv.2408.09868,
title = {Weak instruments in multivariable Mendelian randomization: methods and practice},
author = {Ashish Patel and James Lane and Stephen Burgess},
journal= {arXiv preprint arXiv:2408.09868},
year = {2024}
}