Estimating genetic association parameters from family data
利用家庭数据估计遗传关联参数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。
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：摘要研究家庭遗传关联和稳健估计函数，未明确涉及因果、面板或所列其他方向。
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…
关注这篇论文的作者
利用家庭数据估计遗传关联参数
- 研究问题
- 利用核心家庭数据估计疾病与基因型关联时，如何避免缺失父母基因型的未知分布被误设而导致参数估计偏误？
- 方法与思路
- 作者寻找不受父母基因型分布设定影响的无偏估计函数，通过约束优化构造稳健估计量，并将方法扩展到向量参数。
- 材料陈述的贡献
- 摘要称所构造方法在父母基因型稳健估计量类中具有最小方差，向量参数扩展的估计函数还具有某种最优性性质。
- 阅读关注点
- 应核对无偏性涉及的分布范围、缺失机制与优化约束，确认最小方差的比较类以及向量参数最优性的精确定义。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；缺失机制、关联模型和向量最优性细节未说明，关联参数不能直接解释为因果效应。
原文摘要
We consider the problem of estimating a parameter θ reflecting association between a disease and genotypes of a genetic polymorphism, using nuclear family data. In many applications, some parental genotypes are missing, and the distribution of these genotypes is unknown. Since misspecification of this distribution can bias estimators for θ, we consider estimating functions that are unbiased, regardless of how the distribution is specified. We call the resulting estimators parental‐genotype‐robust. Rabinowitz (2002) has proposed a constrained optimisation method for obtaining locally optimal unbiased tests of the null hypothesis of no association. We use a similar method to derive estimating functions that yield parental‐genotype‐robust estimators with minimum variance in the class of all such estimators. We extend the estimating functions to obtain parental‐genotype‐robust estimators when θ is a vector of unknown parameters, and show that the estimating functions enjoy a certain optimality property.