.png){kind=icon}
返回
Identification of effect modifiers using a stratified Mendelian randomization algorithmic framework
.png){kind=icon}
PRE
AI
DOI：10.1007/s10654-025-01213-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
孟德尔随机化（MR）是一种利用遗传数据揭示变量间因果关系的统计技术。随着大规模生物库数据的日益丰富，利用MR阐明这些关系中的细微差异的研究兴趣日益增长。分层MR技术，如双重排序MR（DRMR）和残差分层MR，已被开发用于识别因果关系的非线性特征。这些方法通过计算暴露调整后的分层中的因果效应估计值，以缓解 collider 偏倚的影响。然而，这些方法在利用除暴露变量外的分层变量来识别效应修饰因子方面的应用有限。可靠地识别效应修饰因子对于确定受风险因素和保护因素不同影响的患者亚群至关重要。本研究提出了一种分层MR算法，可利用双重排序MR和残差分层MR的改进形式识别因果关系的效应修饰因子。通过模拟发现，该算法能够稳健处理非线性关系和 collider 偏倚，适用于二分类和连续型结局变量。将分层MR算法应用于1,715种暴露-分层变量-结局组合，在英国生物库中识别出两个经Bonferroni校正具有统计学意义的效应修饰因子：身体质量指数对2型糖尿病的因果效应随年龄增长而减弱，而低密度脂蛋白胆固醇对冠状动脉疾病的效应则随血清尿酸水平升高而增强。总体而言，我们介绍了一种用于检测因果关系效应修饰因子的工具，并展示了两个对心血管代谢疾病个性化风险评估具有临床意义的研究案例。
Keyword:
Stratified Mendelian randomization
Effect modification
Interaction
Collider bias
Urate
LDL cholesterol
期刊
IF:
5.9
论文数:
3.7K
被引数:
1.6W
机构
引用论文
Widespread environment-specific causal effects detected in the UK Biobank在英国生物银行中检测到广泛的环境特异性因果效应.png)
OAAI
IF0
OAAI分享收藏Epicardial Adipose Tissue Extent: Relationship With Age, Body Fat Distribution, and CoronaropathyOBESITY
OBESITYIF4.7
PREAI
分享收藏Relaxing parametric assumptions for non-linear Mendelian randomization using a doubly-ranked stratification methodPLOS GENETICS
OAAI
PLOS GENETICSIF3.7
OAAI分享收藏
查看更多内容