Xác định mối liên hệ nhân quả trong dịch tễ học bằng cách sử dụng gen như công cụ: Phương pháp hoán vị Mendel

Statistics in Medicine - Tập 27 Số 8 - Trang 1133-1163 - 2008
Debbie A. Lawlor1,2, Roger Harbord1,3, Jonathan A C Sterne1,3, Nicholas J. Timpson1,2, George Davey Smith1,2
1Department of Social Medicine, University of Bristol, U.K.
2MRC Centre for Causal Analyses in Translational Epidemiology, University of Bristol, U.K.
3MRC Health Services Research Collaboration, University of Bristol, U.K.

Tóm tắt

Tóm tắtCác nghiên cứu dịch tễ học quan sát thường gặp nhiều xung đột tiềm ẩn, từ nhiễu đồng biến và do mối nhân quả ngược, điều này hạn chế khả năng xác định mạnh mẽ mối quan hệ nhân quả của chúng. Đã có nhiều tình huống nổi bật trong đó các thử nghiệm kiểm soát ngẫu nhiên của chính xác các can thiệp đã được khảo sát trong các nghiên cứu quan sát đã cho ra kết quả khác biệt rõ rệt. Trong các lĩnh vực khoa học quan sát khác, việc sử dụng các phương pháp biến công cụ (IV - Instrumental Variable) là một phương án tiếp cận để củng cố các suy luận nhân quả trong các tình huống không thực nghiệm. Sử dụng các biến đổi gen mầm uỷ để làm các công cụ cho các tiếp xúc có thể điều chỉnh môi trường là một dạng phân tích IV có thể thực hiện trong các nghiên cứu dịch tễ học quan sát. Phương pháp này được gọi là 'hoán vị Mendel', và có thể được coi như tương tự với các thử nghiệm kiểm soát ngẫu nhiên. Bài viết này giới thiệu phương pháp hoán vị Mendel, làm nổi bật sự tương đồng với các phương pháp IV, cung cấp ví dụ về việc thực hiện phương pháp này và thảo luận các hạn chế của phương pháp cũng như một số phương pháp để giải quyết những vấn đề này. Bản quyền © 2007 John Wiley & Sons, Ltd.

Từ khóa

#dịch tễ học #hoán vị Mendel #biến công cụ (IV) #suy luận nhân quả #kiểm soát ngẫu nhiên #biến đổi gen mầm uỷ

Tài liệu tham khảo

10.1093/ije/dyg070

10.1016/S0140-6736(86)92972-7

Youngman LD, 2000, Plasma fibrinogen and fibrinogen genotypes in 4685 cases of myocardial infarction and in 6002 controls: test of causality by ‘Mendelian randomization’, Circulation, 102, 31

10.1093/ije/dyh048

10.1002/sim.2100

10.1016/j.annepidem.2006.02.001

10.1016/j.annepidem.2006.12.005

DidelezV SheehanNA. Mendelian Randomisation: Why Epidemiology Needs a Formal Language for Causality.2006. University College London http://www.homepages.ucl.ac.uk/∼ucakvdi/kent.pdf.

DidelezV SheehanN.Mendelian randomisation and instrumental variables: what can and what can't be done. Research Report 05‐02 Department of Health Sciences University of Leicester Leicester 2005.

10.1038/sj.bjc.6602359

10.1136/bmj.38142.554479.AE

10.1016/0140-6736(90)90878-9

10.1001/jama.1986.03380200061022

10.1016/S0140-6736(04)16260-0

10.1093/ije/dyh121

10.1016/S0140-6736(04)16261-2

10.1097/GCO.0b013e32800ff5af

10.1002/sim.4780110712

10.1001/jama.288.3.321

Davey SmithG. Capitalising on Mendelian randomisation to assess the effects of treatment. James Lind Library2006. Available from:www.jameslindlibrary.org.

MendelG.Experiments in plant hybridization (1865). Available from:http://www.mendelweb.org/archive/Mendel.Experiments.txt(accessed May2007).

Thomas DC, 2004, Statistical Methods in Genetic Epidemiology, 10.1093/oso/9780195159394.001.0001

Ziegler A, 2006, A Statistical Approach to Genetic Epidemiology: Concepts and Applications

10.5962/bhl.title.6001

10.1158/1055-9965.EPI-05-0463

Davey Smith G, 2007, Clustered environments and randomized genes: a fundamental distinction between conventional and genetic epidemiology, PLoS Medicine

10.1093/ije/dyh132

10.1016/S0140-6736(05)67767-7

10.1136/bmj.330.7499.1076

10.1161/01.ATV.0000160351.95181.d0

10.1016/S0140-6736(05)67786-0

10.1161/01.ATV.0000258869.48076.14

10.1161/01.ATV.0000183937.65887.9c

10.1158/1055-9965.EPI-05-0196

10.1002/ajmg.b.30170

Lewis SJ, 2005, Meta‐analysis of vitamin D receptor polymorphisms and pulmonary tuberculosis risk, International Journal of Tuberculosis and Lung Disease, 9, 1174

10.1093/jnci/djj440

10.1093/ije/dyl041

10.1093/ije/dyl114

10.1161/01.STR.0000166058.49577.ca

10.1093/ije/dyh275

10.1158/0008-5472.CAN-04-3872

10.1093/hmg/ddi398

10.1038/sj.mp.4001746

10.1093/gerona/62.1.73

10.1016/S0140-6736(05)70152-5

10.1136/jech.2004.031880

10.1080/01621459.1996.10476902

10.2307/2291632

10.2307/2291630

10.1093/ije/29.4.722

10.1016/S1047-2797(97)00023-9

MeyerPB. Glossary of Research Economics. Available from:http://econterms.com(accessed May2007).

Murray MP, 2006, Econometrics: A Modern Introduction

Wooldridge JM, 2002, Econometric Analysis of Cross Section and Panel Data

10.1177/1536867X0300300101

10.1093/aje/kwh228

10.1056/NEJM200003233421202

10.1161/01.ATV.19.4.972

10.1161/01.CIR.102.1.42

10.1007/s001250051058

10.1001/jama.286.3.327

10.2337/diabetes.50.10.2384

10.1160/TH04-12-0805

10.1007/s11883-006-0040-x

10.7326/0003-4819-145-1-200607040-00130

Excoffier L, 1995, Maximum‐likelihood estimation of molecular haplotype frequencies in a diploid population, Molecular Biology of Evolution, 12, 921

10.2307/2171753

10.1198/073500102288618658

10.1016/S0021-9150(01)00703-1

10.1161/01.ATV.0000084640.21712.9C

10.1093/hmg/ddh021

10.1086/431366

10.1016/j.atherosclerosis.2004.08.018

10.1093/rheumatology/keh613

10.1111/j.1529-8817.2005.00210.x

10.1016/j.atherosclerosis.2004.07.033

10.1161/CIRCULATIONAHA.105.591271

10.1007/s00109-005-0658-0

10.1161/CIRCULATIONAHA.106.638387

10.1038/35052543

10.1016/S0140-6736(03)12715-8

10.1038/nrg796

10.1111/j.0014-3820.2004.tb01606.x

10.1136/jech.57.2.134

10.1359/JBMR.0301207

10.1136/gut.2004.040048

10.1016/0140-6736(91)92024-V

10.1111/j.1464-5491.2005.01537.x

10.1016/S0140-6736(03)12520-2

Knowler WC, 1988, Gm3;5, 13, 14 and type 2 diabetes mellitus: an association in American Indians with genetic admixture, American Journal of Human Genetics, 43, 520

10.1093/oxfordjournals.jncimonographs.a024223

10.1093/jnci/92.14.1151

10.1111/j.1530-0277.1999.tb04226.x

10.1038/ng826

10.1126/science.1080190

10.1007/BF00197271

10.1086/421051

10.1086/383092

10.1038/ng1607

10.1038/ng1333

10.1002/1098-2272(200101)20:1<4::AID-GEPI2>3.0.CO;2-T

10.1111/j.0014-3820.2005.tb01814.x

10.1002/gepi.0126

10.1086/420856

10.1111/j.1365-294X.2004.02396.x

10.1086/516842

Terwilliger JD, 2000, Gene mapping in the 20th and 21st centuries: statistical methods, data analysis, and experimental design, Human Biology, 72, 63

Angrist JD, 2000, The interpretations of instrumental variables estimators in simultaneous equations models with an application to the demand for fish, Review of Economic Studies, 67, 499, 10.1111/1467-937X.00141

10.1111/j.1467-985X.2004.00339.x

10.1002/bies.950190312

10.1002/1521-1878(200012)22:12<1095::AID-BIES7>3.0.CO;2-A

10.1002/(SICI)1521-1878(200004)22:4<372::AID-BIES7>3.0.CO;2-J

10.1016/S0169-5347(01)02266-2

10.1111/j.1467-937X.2004.00299.x

10.1093/biomet/92.2.337

BalkeA PearlJ.Counterfactual probabilities: computational methods bounds and applications. In Proceedings of the 10th Conference on Uncertainty in Artificial Intelligence Seattle WA 1994;46–54.

10.1080/03610929108830654

10.1093/biomet/91.4.763

10.1080/01621459.1995.10476535

10.2307/2291055

10.1257/000282803321946912

10.1111/j.1468-0262.2006.00680.x

10.1177/1536867X0600600303

NicholsA. Weak Instruments: An Overview and New Techniques. 5th North American Users Group 24 July2006. Available from:http://pped.org/austin/wiv.pdf.

Jousilahti P, 2004, Fibrinogen, social position, and ‘Mendelian randomisation’, Journal of Epidemiology and Community Health, 58, 883

10.1016/S0140-6736(01)06418-2

10.1093/qjmed/hch025

Thông tin
Thông tin xuất bản

Statistics in Medicine

Tập 27 Số 8

1133-1163

Thông tin tác giả