A focusing framework for testing bi-directional causal effects in Mendelian randomization
孟德尔随机化中检验双向因果效应的聚焦框架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：摘要明确使用遗传变异作为工具变量，研究双向因果效应与因果方向的推断。
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…
孟德尔随机化中检验双向因果效应的聚焦框架
- 研究问题
- 当遗传工具变量可能具有多效性、暴露与结果可能互为因果时，如何检验双向因果效应并判断因果方向？
- 方法与思路
- 作者分析常用孟德尔随机化方法在双向关系下的假设限制，提出可与多种现有方法结合的聚焦框架，并进行理论及数据评估。
- 材料陈述的贡献
- 摘要称常用方法的部分假设在双向关系下可能无法成立或过强，新框架具有理论保证，并在模拟与真实数据中展示表现。
- 阅读关注点
- 应核对聚焦步骤、双向效应与多效性的处理方式、识别和检验保证的条件，以及与既有孟德尔随机化方法的结合机制。
- 阅读边界
- 仅据 Crossref 摘要；具体识别假设、理论保证及数据结果未说明，不能据此认为该框架解决所有无效工具变量问题。
原文摘要
Abstract Mendelian randomization (MR) is a powerful method that uses genetic variants as instrumental variables to infer the causal effect of a modifiable exposure on an outcome. We study inference for bi-directional causal relationships and causal directions with possibly pleiotropic genetic variants. We show that assumptions for common MR methods are often impossible or too stringent given the potential bi-directional relationships. We propose a new focusing framework for testing bi-directional causal effects and it can be coupled with many state-of-the-art MR methods. We provide theoretical guarantees for our proposal and demonstrate its performance using several simulated and real datasets.