Selecting invalid instruments to improve Mendelian randomization with two-sample summary data
选择无效工具变量以改进双样本汇总数据的孟德尔随机化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究工具变量因果效应估计、工具有效性、偏差方差权衡和选择后推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
选择无效工具变量以改进双样本汇总数据的孟德尔随机化
- 研究问题
- 论文研究孟德尔随机化中是否应加入略微无效的遗传工具变量，以较小偏差换取方差下降，并控制选择后推断的覆盖损失。
- 方法与思路
- 作者以估计的渐近均方误差进行聚焦工具选择，在许多弱且局部无效工具变量的设定下，构造防范最坏覆盖损失的置信区间。
- 材料陈述的贡献
- 摘要称，提出选择后区间策略；血脂药物靶点与维生素 D 应用提示，最优选择可能包含许多潜在无效工具，而非仅少数可信工具。
- 阅读关注点
- 应核对局部无效与弱工具的渐近设定、均方误差估计方式、初始可信工具的作用，以及选择后区间的覆盖保证边界。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出无效程度和覆盖条件，不能据此任意加入无效工具或推断临床效益。
原文摘要
Mendelian randomization (MR) is a widely-used method to estimate the causal relationship between a risk factor and disease. A fundamental part of any MR analysis is to choose appropriate genetic variants as instrumental variables. Genome-wide association studies often reveal that hundreds of genetic variants may be robustly associated with a risk factor, but in some situations investigators may have greater confidence in the instrument validity of only a smaller subset of variants. Nevertheless, the use of additional instruments may be optimal from the perspective of mean squared error even if they are slightly invalid; a small bias in estimation may be a price worth paying for a larger reduction in variance. For this purpose, we consider a method for "focused" instrument selection whereby genetic variants are selected to minimise the estimated asymptotic mean squared error of causal effect estimates. In a setting of many weak and locally invalid instruments, we propose a novel strategy to construct confidence intervals for post-selection focused estimators that guards against the worst case loss in asymptotic coverage. In empirical applications to: (i) validate lipid drug targets; and (ii) investigate vitamin D effects on a wide range of outcomes, our findings suggest that the optimal selection of instruments does not involve only a small number of biologically-justified instruments, but also many potentially invalid instruments.