Biến ngẫu nhiên Mendel như một cách tiếp cận biến công cụ đến suy luận nhân quả

Statistical Methods in Medical Research - Tập 16 Số 4 - Trang 309-330 - 2007
Vanessa Didelez1,2, Nuala A. Sheehan3
1Departments of Statistical Science, University College London, UK
2Statistics
3Departments of Health Sciences and Genetics, University of Leicester, UK.

Tóm tắt

Trong nghiên cứu dịch tễ, ảnh hưởng nhân quả của một kiểu hình có thể điều chỉnh hoặc sự phơi nhiễm lên một bệnh thường là mối quan tâm trong y tế công cộng. Các thử nghiệm ngẫu nhiên có đối chứng để điều tra ảnh hưởng này không phải lúc nào cũng khả thi và suy luận dựa trên dữ liệu quan sát có thể bị nhiễu động. Tuy nhiên, nếu như chúng ta biết một gen liên kết chặt chẽ với kiểu hình mà không có ảnh hưởng trực tiếp tới bệnh, có thể hợp lý giả định rằng gen này không tự nó liên quan tới bất kỳ yếu tố gây nhiễu nào — một hiện tượng được gọi là biến ngẫu nhiên Mendel. Những đặc tính này định nghĩa một biến công cụ và cho phép ước lượng ảnh hưởng nhân quả, mặc dù bị nhiễu động, dưới những hạn chế mô hình nhất định. Trong bài báo này, chúng tôi trình bày một cơ sở phân tích chính thức để suy luận nhân quả dựa trên biến ngẫu nhiên Mendel và đề nghị sử dụng biểu đồ có hướng không tuần hoàn để kiểm tra các giả định mô hình bằng cách xem xét trực quan. Cơ sở này cho phép chúng tôi giải quyết những hạn chế của kỹ thuật biến ngẫu nhiên Mendel thường bị bỏ qua trong tài liệu y khoa.

Từ khóa

#dịch tễ học #biến ngẫu nhiên Mendel #biến công cụ #suy luận nhân quả #biểu đồ có hướng không tuần hoàn

Tài liệu tham khảo

Fisher RA, 1926, The design of experiments

Fisher RA, 1970, The design of experiments, eigth

10.1038/290201a0

10.1056/NEJM199404143301501

10.1093/ije/dyg070

10.1093/ije/dyh023

Bowden RJ, 1984, Instrumental variables

10.1080/01621459.1996.10476902

Pearl J., 2000, Causality (Chapter 7)

10.1093/ije/29.4.722

10.1097/01.ede.0000215160.88317.cb

10.1097/01.ede.0000222409.00878.37

Robins JM The analysis of randomized and nonrandomized aids treatment trials using a new approach to causal inference in longitudinal studies. In L, Sechrest H, Freeman and A. Mulley eds. Health Service Research Methodology. A Focus on AIDS. U.S. Public Health Service, 1989: 113—59.

Manski CF, 1990, American Economic Review, Papers and Proceedings, 80, 319

Balke AA, Proceedings of the 10th Conference on Uncertainty in Artificial Inteligence

10.1016/S0140-6736(86)92972-7

10.1093/aje/kwh228

Scandinavian Simvastin Survival Study (4S)., 1994, Lancet, 344, 1383

10.1016/S0140-6736(02)09327-3

10.1093/biomet/82.4.669

10.1201/9781420035988.ch2

10.1111/j.1751-5823.2002.tb00354.x

Dawid AP Causal inference using influence diagrams: the problem of partial compliance . In Green PJ, Hjort NL, Richardson S. eds. Highly Structured Stochastic Systems. Oxford University Press, 2003: 45—81.

10.2307/1913851

Pearl J., 1988, Probabilistic reasoning in intelligent systems

Cowell RG, 1999, Probabilistic networks and expert systems. Statistics for Engineering and Information Science

Dawid AP, 1979, Journal of the Royal Statistical Society, Series B, 41, 1, 10.1111/j.2517-6161.1979.tb01052.x

Spirtes P., 2000, Causation, prediction and search, second edition

10.1017/CBO9780511810176

10.1214/ss/1009211805

Thompson JR, 2003, On the accuracy of the effect of phenotype on disease derived from Mendelian randomisation studies

Didelez V., 2005, Mendelian randomisation and instrumental variables: what can and what can't be done

10.1093/ije/dyh048

10.1093/biomet/92.2.337

10.1093/ije/dyh132

10.1016/S0140-6736(05)67601-5

Lynch M., 1998, Genetics and analysis of quantitative traits

10.1093/ije/dyh275

Didelez V., 2007, Texts in philosophy, 5, 263

10.1161/01.ATV.0000160351.95181.d0

10.1093/aje/kwj062

10.1016/0304-4076(74)90033-5

10.2307/1911873

10.1162/003465397557169

10.1002/(SICI)1099-1255(199705)12:3<281::AID-JAE436>3.0.CO;2-1

10.1093/oxfordjournals.aje.a115715

10.1214/aos/1034276631

Stewart J., 1998, Econometrics, second edition