Менделевская рандомизация для медиаторного анализа: современные методы и проблемы применения

Медиаторный анализ позволяет объяснить пути, посредством которых воздействие влияет на исход. Традиционные методы медиаторного анализа без инструментальных переменных сопряжены с рядом методологических трудностей, включая смещение из-за смешения связей между воздействием, медиатором и исходом, а также ошибки измерения. Менделевскую рандомизацию (MR) можно использовать для повышения обоснованности причинных выводов при медиаторном анализе. Мы описываем два подхода к проведению медиаторного анализа с использованием MR: многовариантную менделевскую рандомизацию (MVMR) и двухэтапную MR. Рассматриваются принципы этих подходов и приводится программный код, демонстрирующий их применение в медиаторном анализе. Мы анализируем факторы, способные повлиять на результаты, включая смешение, ошибку измерения, смещение из-за слабых инструментальных переменных, взаимодействия между воздействиями и медиаторами, а также анализ нескольких медиаторов. Описание методов дополнено примерами на симулированных и реальных данных. Хотя MR требует больших выборок и соблюдения ряда строгих предположений, включая наличие сильных инструментальных переменных и отсутствие путей горизонтальной плейотропии, результаты симуляций показывают, что эти методы не зависят от факторов, смешивающих связь воздействия или медиатора с исходом, а также от недифференциальной ошибки измерения воздействия или медиатора. И MVMR, и двухэтапную MR можно применять как к данным на уровне отдельных участников, так и к сводным данным. Методы медиаторного анализа на основе MR требуют иных предположений по сравнению с методами без инструментальных переменных. Если эти предположения более правдоподобны, MR можно использовать для повышения обоснованности причинных выводов при медиаторном анализе.