Outlier Detection in Mendelian Randomisation
孟德尔随机化中的异常工具变量检测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：摘要明确使用遗传工具变量推断因果效应，并处理工具有效性与多效性问题。
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…
孟德尔随机化中的异常工具变量检测
- 研究问题
- 孟德尔随机化中，多效性可能导致遗传工具违反排除限制；如何纠正异质性统计量过度离散造成的异常工具误判？
- 方法与思路
- 作者利用估计的膨胀因子校正异质性统计量，再识别并剔除异常工具；方法适用于单变量、多变量及汇总数据分析。
- 材料陈述的贡献
- 摘要提出一种针对过度离散的异常工具检测方法，旨在减少错误标记，并在孟德尔随机化中处理多效性影响。
- 阅读关注点
- 应核对膨胀因子的估计条件、异常判定和剔除规则，以及筛选工具后因果估计的偏差与不确定性如何处理。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未给出误判率结果，工具筛选也不足以保证因果识别。
原文摘要
Mendelian Randomisation (MR) uses genetic variants as instrumental variables to infer causal effects of exposures on an outcome. One key assumption of MR is that the genetic variants used as instrumental variables are independent of the outcome conditional on the risk factor and unobserved confounders. Violations of this assumption, i.e. the effect of the instrumental variables on the outcome through a path other than the risk factor included in the model (which can be caused by pleiotropy), are common phenomena in human genetics. Genetic variants, which deviate from this assumption, appear as outliers to the MR model fit and can be detected by the general heterogeneity statistics proposed in the literature, which are known to suffer from overdispersion, i.e. too many genetic variants are declared as false outliers. We propose a method that corrects for overdispersion of the heterogeneity statistics in uni- and multivariable MR analysis by making use of the estimated inflation factor to correctly remove outlying instruments and therefore account for pleiotropic effects. Our method is applicable to summary-level data.