孟德尔研究需要剔除在结局数据中p小于0.05的工具变量吗

Question

如题，我在学习的时候并没有很注意这点，文献也没有特地强调需要去除，之前有用phenoscanner去除混杂因素以及与结局直接相关的snp，最近phenoscanner用不了之后我是用mrpresso寻找有没有离群值，最后都会用mr egger的方法检测是否有多效性。

还是说工具变量与结局因素的p不低于1e-5/5e-8(就是暴露因素是否有显著性阈值）就可以了呢？

Answer 1

🕒上午好，题主！目前：🟢[在线]
📢参考GPT-4o mini 模型、由清水白石008整理提供！
📣今日金句：“远离那些贬低你理想的人。狭隘的人经常如此，伟大的人会让你感觉自己也可以变好。”——马克·吐温

在孟德尔随机化（Mendelian Randomization, MR）研究中，选择合适的工具变量（instrumental variables, IVs）是至关重要的。关于你提到的 p 值的阈值和是否需要剔除 p 值小于 0.05 的工具变量，以下是一些关键点：

1. 工具变量的选择标准

在 MR 研究中，工具变量需要满足以下几个条件：

• 相关性：工具变量与暴露因素（exposure）有显著的相关性。通常，选择的 SNP（单核苷酸多态性）与暴露因素的 p 值应低于某个阈值（如 1e-5 或 5e-8），以确保其与暴露因素有足够的关联性。
• 独立性：工具变量与结局因素（outcome）之间不应有直接的关联，且不应受到混杂因素的影响。
• 排除限制：工具变量仅通过暴露因素影响结局因素。

2. p 值的阈值

• 与暴露因素的 p 值：通常建议选择与暴露因素显著相关的 SNP，p 值阈值常用 1e-5 或 5e-8。这是为了确保工具变量的强度，避免弱工具变量的问题。
• 与结局因素的 p 值：在选择工具变量时，通常不需要剔除 p 值小于 0.05 的工具变量。相反，重要的是确保这些工具变量与暴露因素有显著的相关性，而不是与结局因素的 p 值。

3. 多效性和离群值

• 多效性检测：使用 MR-Egger 方法检测多效性是一个很好的做法。MR-Egger 回归可以帮助识别工具变量是否存在多效性（即工具变量不仅通过暴露因素影响结局因素，还可能通过其他途径影响结局因素）。
• 离群值检测：使用 MR-PRESSO 等工具检测离群值也是重要的步骤，确保结果的稳健性。

4. 结论

综上所述，通常不需要剔除 p 值小于 0.05 的工具变量，关键是确保工具变量与暴露因素之间的显著性和独立性。选择工具变量时，关注与暴露因素的 p 值阈值（如 1e-5 或 5e-8），并在分析中使用适当的方法检测多效性和离群值。

如果你在研究中有特定的文献或方法论参考，建议结合这些文献的建议进行分析。同时，确保在报告结果时清晰地说明所用的标准和方法。