《Statistics in Medicine》：Using Negative Control Outcomes to Detect Selection Bias in Mendelian Randomization Studies
编辑推荐：
孟德尔随机化（Mendelian randomization, MR）目前主要通过使用遗传变异作为工具变量（instrumental variable, IV）来探究暴露对目标结局的因果效应。MR研究对混杂偏倚和反向因果具有稳健性，但仍然容易受到选择偏倚的影响
孟德尔随机化（Mendelian randomization, MR）目前主要通过使用遗传变异作为工具变量（instrumental variable, IV）来探究暴露对目标结局的因果效应。MR研究对混杂偏倚和反向因果具有稳健性，但仍然容易受到选择偏倚的影响；例如，当暴露或结局与进入研究样本的选择相关时，就可能出现这种情况。阴性对照有时用于检测观察性研究中的偏倚（通常由混杂所致）。本文研究人员专门聚焦于MR分析，讨论了在何种条件下一个变量可用作阴性对照结局（negative control outcome），以检测可能使MR估计产生偏倚的选择机制。研究人员证明，主要要求是阴性对照结局与暴露和结局的混杂因素相关。与直觉相反，阴性对照对选择的影响是次要的；例如，一个不影响选择的变量可以成为受选择影响结局的有效阴性对照。研究人员还探讨了在何种条件下年龄和性别可用作MR分析中的阴性对照结局。在一项真实数据应用中，研究人员利用英国生物银行（UK Biobank）的数据研究了19个性状之间的两两因果关联。将生物学性别和自然发色作为阴性对照结局，研究人员识别出涉及饮酒、体质指数（body mass index, BMI）和教育程度等常用性状的分析中存在选择偏倚。
孟德尔随机化（Mendelian randomization, MR）利用遗传变异作为工具变量（instrumental variable, IV）估计暴露对结局的因果效应，可避免未观测混杂和反向因果，但仍可能受选择偏倚影响。选择偏倚可分为碰撞偏倚（collider bias，因对选择变量分层而打开非因果路径）和异质性导致的偏倚。英国生物银行（UK Biobank）等大型队列存在非随机参与，因此MR分析需要诊断选择偏倚的工具。论文旨在系统阐明使用阴性对照结局（negative control outcome）检测MR选择偏倚的条件，并检验年龄、性别等变量是否适用。该文发表于《Statistics in Medicine》。
研究人员首先通过因果图（directed acyclic graph, DAG）说明MR中碰撞偏倚的产生机制，继而以暴露影响选择为例，考察阴性对照结局与工具变量、暴露、混杂、结局和选择的不同关系，总结出有效阴性对照结局的核心条件；随后将结果推广至16种选择机制，并评估7类候选阴性对照。理论结果和真实数据分析表明，阴性对照结局的主要要求是与暴露-结局的混杂因素相关；其是否影响选择并非关键。年龄和性别并非天然有效的阴性对照，需结合其与混杂、暴露、结局及选择的关系判断。
关键技术方法包括：基于DAG的因果结构推演；利用Schoeler等基于英格兰健康调查（Health Survey England, HSE）数据计算的UK Biobank参与权重，对19个性状进行加权和未加权全基因组关联研究（genome-wide association study, GWAS）汇总数据MR分析；以逆方差加权（inverse variance weighted, IVW）为主要估计方法；以生物学性别和自然发色为阴性对照结局；敏感性分析采用mtCOJO调整SNP-参与关联，并应用MR-Egger、加权中位数、加权众数和MR-lap等方法控制多效性和样本重叠。
5.1 数据与方法（Data and Methods）
研究人员基于Schoeler等的19个性状汇总数据，选择各性状达到全基因组显著水平的单核苷酸多态性（single nucleotide polymorphism, SNP）作为工具变量；其中6个工具变量少于10个的性状仅作为结局，不作为暴露。使用加权重和未加权的GWAS汇总数据分别进行MR分析，以加权结果作为校正选择偏倚的参照，未加权结果作为可能受选择偏倚影响的分析。
5.2 以性别为阴性对照的分析（Negative Control Analyses for Sex）
在未加权GWAS中，体质指数（body mass index, BMI）、教育程度、饮酒和反应时间与性别关联的p值小于0.05，其中饮酒的效应通过Bonferroni校正；这些效应在加权GWAS中减弱。吸烟与性别的关联证据较弱，未通过多重检验阈值。
5.3 以自然发色为阴性对照的分析（Negative Control Analyses Using Natural Hair Color）
教育程度与6个发色结局中的4个关联p值小于0.05，其中2个小于0.001，是最稳定的偏倚标志；BMI与3个发色结局相关；饮酒和反应时间虽与性别相关，但与自然发色无关。
5.4 MR估计（MR Estimates）
对13个暴露和19个结局进行加权与未加权MR分析，共234对。以95%置信区间是否重叠判断，发现4对存在明确选择偏倚，均以教育程度为暴露，分别为教育程度-吸烟、教育程度-抑郁、教育程度-非癌症诊断和教育程度-失眠；偏倚使加权分析中风险降低效应向零衰减。以75%置信区间判断，另有7对可能偏倚：BMI-饮酒、BMI-吸烟、BMI-教育程度、身高-体力活动、饮酒-蔬菜摄入、教育程度-蔬菜摄入和教育程度-反应时间。
5.5 结果解读（Interpretation of Results）
明确偏倚的4对均以教育程度为暴露，且教育程度与性别和自然发色相关，说明性别或发色阴性对照能识别这些偏倚。7对可能偏倚中，6对暴露与性别相关，5对暴露与发色相关。其余222对偏倚证据较少，但其中一些暴露与性别或发色相关，提示可能存在小程度偏倚。性别作为阴性对照的合理性在于：女性在未加权UK Biobank样本中占54.4%，高于HSE样本的50.6%，提示性别影响参与；性别的因果结构类似候选变量N，在工具变量直接与选择关联时可能误报偏倚。排除与UK Biobank参与相关的SNP后，结果基本一致。此外，阴性对照无法检测异质性导致的选择偏倚；加权与未加权比较可检测两类选择偏倚，但依赖权重模型正确设定。
讨论与结论
讨论部分指出，阴性对照结局应尽量与暴露-结局的多个混杂因素相关，且混杂效应强度相似，以保证偏倚程度可比；阴性对照是否影响选择并非必要条件。年龄和性别作为阴性对照需谨慎，最好借助因果图明确假设；若怀疑年龄或性别为效应修饰因素，应在MR分析中加以调整。阴性对照分析只能检测碰撞偏倚，不能检测异质性导致的选择偏倚；其他阴性对照类型，如阴性对照暴露、阴性对照工具和阴性对照人群，也可用于检测选择偏倚。阴性对照可与逆概率加权、Heckman样本选择模型等偏倚校正方法结合使用。研究结论是：一个有效的阴性对照结局应当与MR暴露和结局的混杂因素相关；变量是否影响研究选择是次要问题。年龄和性别在某些情况下可用，但需根据其与混杂因素、暴露、结局及选择的关系审慎判断。该研究为应用人员使用阴性对照结局检测MR中的选择偏倚提供了实用指导，推动了阴性对照在MR和工具变量分析中的进一步应用。
