Leveraging Local Distributions in Mendelian Randomization: Uncertain Opinions are Invalid
利用局部分布开展孟德尔随机化：不确定的意见无效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：摘要利用可能无效的遗传工具变量开展孟德尔随机化，直接涉及工具变量因果推断。
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…
利用局部分布开展孟德尔随机化：不确定的意见无效
- 研究问题
- 在遗传变异工具变量可能无效时，如何利用比值估计的局部分布选择信息较可靠的工具变量集合，并推断因果效应？
- 方法与思路
- 作者提出 MR-Local，选择比值估计中不确定性最小的簇并在簇内推断，在两样本汇总数据设定下研究估计量渐近性质。
- 材料陈述的贡献
- 摘要称在有效工具变量占相对多数或平衡多效性假设下建立渐近正态性，并以模拟与真实数据分析展示方法的可靠性。
- 阅读关注点
- 应核对两类假设的精确定义、最小不确定性簇的选择规则，以及选择步骤如何进入标准误和置信区间的理论与实现。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明弱工具变量、样本重叠及选择误差的处理。
原文摘要
Mendelian randomization (MR) considers using genetic variants as instrumental variables (IVs) to infer causal effects in observational studies. However, the validity of causal inference in MR can be compromised when the IVs are potentially invalid. In this work, we propose a new method, MR-Local, to infer the causal effect in the existence of possibly invalid IVs. By leveraging the distribution of ratio estimates around the true causal effect, MR-Local selects the cluster of ratio estimates with the least uncertainty and performs causal inference within it. We establish the asymptotic normality of our estimator in the two-sample summary-data setting under either the plurality rule or the balanced pleiotropy assumption. Extensive simulations and analyses of real datasets demonstrate the reliability of our approach.