多变量孟德尔随机化分析

Question

用R语言做多变量孟德尔随机化分析，做到MRMV_IVW这步时
变量的长度不一样('Bx')

MRMVInputObject <- mr_mvinput(bx = cbind(alcohol$BETA,smokeindex$BETA),
                              bxse = cbind(alcohol$SE,smokeindex$SE),
                              by = migraine_Y$BETA,
                              byse = migraine_Y$SE)
MRMV_IVW <- mr_mvivw(MRMVInputObject,
                     model = "default",
                     correl = FALSE,
                     distribution = "normal",
                     alpha = 0.05)

报错：错误于model.frame.default(formula = By ~ Bx - 1, weights = Byse^(-2), : 变量的长度不一样('Bx')
alcohol和smoke这个两个暴露文件如下：

Answer 1

晚上好🌙🌙🌙
本答案参考通义千问

在进行多变量孟德尔随机化（Multivariable Mendelian Randomization, MVMR）分析时，如果遇到变量长度不一致的问题，通常是因为不同数据集中的样本数量不一致。为了确保分析的正确性，你需要确保所有输入数据集中的样本数量相同，并且这些样本是对应相同的个体。

以下是解决这个问题的步骤：

1. 检查数据集样本数量： 确认alcohol和smokeindex数据集中样本的数量是否相同。如果不相同，则需要找到共同的样本。

2. 筛选共同样本： 使用相同标识符（如个体ID）来筛选两个数据集中的共同样本。

3. 确保数据集对齐： 确保所有输入数据集中的样本顺序是一致的。

4. 重新构建输入对象： 使用筛选后的数据重建输入对象。

下面是具体的代码实现：

# 加载必要的库
library(data.table)

# 假设每个数据集都有一个唯一的标识符（例如，个体ID）
# 这里我们假设个体ID存储在名为'ID'的列中

# 将数据转换为data.table格式以便高效处理
alcohol <- as.data.table(alcohol)
smokeindex <- as.data.table(smokeindex)
migraine_Y <- as.data.table(migraine_Y)

# 找到共同的样本ID
common_ids <- intersect(alcohol$ID, smokeindex$ID)

# 筛选共同的样本
alcohol <- alcohol[ID %in% common_ids]
smokeindex <- smokeindex[ID %in% common_ids]

# 确保数据集按ID排序
setkey(alcohol, ID)
setkey(smokeindex, ID)

# 重新构建输入对象
MRMVInputObject <- mr_mvinput(
  bx = cbind(alcohol$BETA, smokeindex$BETA),
  bxse = cbind(alcohol$SE, smokeindex$SE),
  by = migraine_Y$BETA,
  byse = migraine_Y$SE
)

# 运行MVMR IVW模型
MRMV_IVW <- mr_mvivw(
  MRMVInputObject,
  model = "default",
  correl = FALSE,
  distribution = "normal",
  alpha = 0.05
)

# 输出结果
print(MRMV_IVW)

通过上述步骤，你可以确保所有输入数据集中的样本数量一致，并且这些样本对应相同的个体。这样可以避免在运行MVMR IVW模型时出现“变量的长度不一样”的错误。