检索历史 清除

摘要目的：<br>　　本文通过模拟研究比较基于众数的稳健估计孟德尔随机化方法、SME、WME、PWME法、传统的IVW法、MR-Egger回归法在不同程度工具变量假设违背情形下因果推断的表现，并将其应用到儿童肥胖与1型糖尿病关联的实例数据中，探索儿童肥胖与1型糖尿病是否存在因果关联。<br>　　方法：<br>　　介绍SMBE、WMBE法及SME、WME、PWME法的基本原理。本研究模拟四种不同情形：模拟1和模拟2中设置无效工具变量比例从0逐渐增加至100%(间隔比例为10%)，旨在评估两样本情形下，不存在因果效应时MBE法的表现；模拟3和模拟4中设置无效工具变量比例ρ=0，真实因果效应值分别为0.1和0，旨在评估两样本和单样本情形下MBE方法的弱工具变量偏倚问题。不同模拟情形下，均用平均因果效应估计值、标准误、覆盖率、效能来评价SMBE、WMBE法与SME、WME、PWME、IVW、MR-Egger法在因果效应估计方面的优缺点。本文利用筛选出的23个单核苷酸多态性位点进行儿童肥胖与1型糖尿病因果关联的评估。<br>　　结果：<br>　　不存在因果效应时β=0，多数模拟情形下MBE法获得的效应估计值的偏倚及Ⅰ型错误率都低于其他几种方法。MBE法检测因果效应的能力仅略低于IVW法、基于中位数的方法，但高于MR-Egger回归方法，且MBE法对汇总数据样本量的要求低于其他几种方法。实例数据结果表明儿童肥胖对儿童T1DM存在正向因果效应，SMBE和WMBE法获得的效应估计值与经MR-Egger法校正后的结果近似(OR及95%CI：SMBE：2.212；1.084-4.512；WMBE：2.233；1.095-4.554；MR-Egger：2.776；1.241-6.208)。<br>　　结论：<br>　　基于众数的稳健估计孟德尔随机化方法相比其他MR方法可更大程度地放宽工具变量假设，在进行两独立样本MR分析时，不能仅报告一种MR分析结果，需根据不同情形，将MR方法结合起来共同进行因果推断。本研究发现儿童肥胖与1型糖尿病间可能存在正向因果关联。