Bayesian Mendelian randomization testing of interval causal null hypotheses: ternary decision rules and loss function calibration
贝叶斯孟德尔随机化的区间因果零假设检验：三元决策与损失函数校准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：摘要明确以孟德尔随机化中的因果效应检验为研究对象，方法围绕因果零假设及决策规则展开，因此归入因果推断。
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…
贝叶斯孟德尔随机化的区间因果零假设检验：三元决策与损失函数校准
- 研究问题
- 研究如何提高孟德尔随机化中因果效应发现的可重复性，并区分具有实际意义的效应、可忽略效应与证据不足。
- 方法与思路
- 作者以贝叶斯方法评估效应落入实际等价区间内外的证据，采用接受、拒绝与不确定三元决策，并通过损失函数校准。
- 材料陈述的贡献
- 摘要称，该框架将区间零假设与三元决策结合，开展与频率学方法的比较，并以肥胖对青年心肌梗死风险的效应作示例。
- 阅读关注点
- 应核对实际等价区间、先验与损失函数如何设定，工具变量有效性如何处理，以及比较中是否使用一致的决策目标。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未说明识别条件、校准细节或比较结果，接受区间零假设也不等于证明效应为零。
原文摘要
Our approach to Mendelian Randomization (MR) analysis is designed to increase reproducibility of causal effect "discoveries" by: (i) using a Bayesian approach to inference; (ii) replacing the point null hypothesis with a region of practical equivalence consisting of values of negligible magnitude for the effect of interest, while exploiting the ability of Bayesian analysis to quantify the evidence of the effect falling inside/outside the region; (iii) rejecting the usual binary decision logic in favour of a ternary logic where the hypothesis test may result in either an acceptance or a rejection of the null, while also accommodating an "uncertain" outcome. We present an approach to calibration of the proposed method via loss function, which we use to compare our approach with a frequentist one. We illustrate the method with the aid of a study of the causal effect of obesity on risk of juvenile myocardial infarction.