Non-linear Mendelian randomization: evaluation of effect modification in the residual and doubly-ranked methods with simulated and empirical examples
Notice bibliographique
Résumé
Non-linear Mendelian randomisation (NLMR) is a relatively recently developed approach to estimate the causal effect of an exposure on an outcome where this is expected to be non-linear. Two commonly used techniques-based on stratifying the exposure and performing Mendelian randomisation (MR) within each strata-are the residual and doubly-ranked methods. The residual method is known to be biased in the presence of genetic effect heterogeneity-where the effect of the genotype on the exposure varies between individuals. The doubly-ranked method is considered to be less sensitive to genetic effect heterogeneity. In this paper, we simulate genetic effect heterogeneity and confounding of the exposure and outcome and identify that both methods are susceptible to likely unpredictable bias in this setting. Using UK Biobank, we identify empirical evidence of genetic effect heterogeneity and show via simulated outcomes that this leads to biased MR estimates within strata, whilst conventional MR across the full sample remains unbiased. We suggest that these biases are highly likely to be present in other empirical NLMR analyses using these methods and urge caution in current usage. Simulated outcome analyses may represent a useful test to identify if genetic effect heterogeneity is likely to bias NLMR estimates in future analyses.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».