Diagnostics for Pleiotropy in Mendelian Randomization Studies: Global and Individual Tests for Direct Effects
Notice bibliographique
Résumé
Diagnosing pleiotropy is critical for assessing the validity of Mendelian randomization (MR) analyses. The popular MR-Egger method evaluates whether there is evidence of bias-generating pleiotropy among a set of candidate genetic instrumental variables. In this article, we propose a statistical method-global and individual tests for direct effects (GLIDE)-for systematically evaluating pleiotropy among the set of genetic variants (e.g., single nucleotide polymorphisms (SNPs)) used for MR. As a global test, simulation experiments suggest that GLIDE is nearly uniformly more powerful than the MR-Egger method. As a sensitivity analysis, GLIDE is capable of detecting outliers in individual variant-level pleiotropy, in order to obtain a refined set of genetic instrumental variables. We used GLIDE to analyze both body mass index and height for associations with colorectal cancer risk in data from the Genetics and Epidemiology of Colorectal Cancer Consortium and the Colon Cancer Family Registry (multiple studies). Among the body mass index-associated SNPs and the height-associated SNPs, several individual variants showed evidence of pleiotropy. Removal of these potentially pleiotropic SNPs resulted in attenuation of respective estimates of the causal effects. In summary, the proposed GLIDE method is useful for sensitivity analyses and improves the validity of MR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,149 | 0,398 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».