.png){kind=icon}
返回
Demystifying inconsistent two-sample mendelian randomization estimations using selection diagram
.png){kind=icon}
OA
AI
DOI：10.1186/s12874-025-02707-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
两样本孟德尔随机化（TSMR）分析是推断存在未测量混杂因素时因果效应的常用方法。然而，如果关键变量（如暴露因素、结局变量和混杂因素）的分布在不同人群中存在差异，因果推断可能存在偏倚。这种关键变量在两个人群中分布的差异被称为不同的局部机制。本文旨在通过选择图示阐明不同局部机制对TSMR分析中局部平均处理效应（LATE）估计的影响。我们首先揭示并正式定义了完全和部分不一致的TSMR估计（InTSMRE）。随后，我们在连续和二元结局的背景下提出了“无InTSMRE”的标准。在此基础上，我们引入LATE比率来评估LATE估计值与真实因果效应的偏差。最后，我们证明单调性条件的违反会加剧完全InTSMRE的发生；否则仅出现部分InTSMRE。此外，通过模拟研究，我们阐明了这些InTSMRE产生的具体条件。我们探讨了欧洲和混合人群中腰臀比（WHR）对2型糖尿病的LATE，并展示了InTSMRE现象。
Keyword:
Inconsistent Two-Sample Mendelian Randomization Estimations
Local Average Treatment Effect
Selection Diagram
Monotonicity Condition
Local mechanisms
期刊
IF:
3.4
论文数:
3.9K
被引数:
2.8W
机构
引用论文
分享收藏Deep mendelian randomization: Investigating the causal knowledge of genomic deep learning modelsOAAI
OAAI分享收藏分享收藏The causal effects of alcohol on lipoprotein subfraction and triglyceride levels using a Mendelian randomization analysis: The Nagahama study.png)
ATHEROSCLEROSIS
ATHEROSCLEROSISIF5.7
PREAI
分享收藏分享收藏分享收藏
查看更多内容