Aleatorización mendeliana para análisis de mediación: métodos actuales y desafíos para su implementación

Resumen El análisis de mediación busca explicar la(s) vía(s) a través de las cuales una exposición afecta un resultado. El análisis de mediación enfrenta una serie de dificultades metodológicas, incluyendo sesgos debido a confusiones y errores de medición. La aleatorización mendeliana (AM) se puede usar para mejorar la inferencia causal en el análisis de mediación. Describimos dos enfoques que se pueden utilizar para estimar el análisis de mediación con AM: aleatorización mendeliana multivariable (AMMV) y aleatorización mendeliana en dos pasos. Esbozamos los enfoques y proporcionamos código para demostrar cómo se pueden utilizar en el análisis de mediación. Revisamos los problemas que pueden afectar los análisis, incluyendo confusión, error de medición, sesgo de instrumentos débiles y análisis de múltiples mediadores. La descripción de los métodos se complementa con ejemplos de datos simulados y reales. Aunque la aleatorización mendeliana depende de tamaños de muestra grandes y suposiciones fuertes, tales como tener instrumentos fuertes y no tener vías pleiotrópicas horizontales, nuestros ejemplos demuestran que es poco probable que se vea afectada por confundidores de la exposición o mediador y el resultado, causalidad inversa y error de medición no diferencial de la exposición o mediador. Tanto la AMMV como la AM en dos pasos se pueden implementar tanto en AM a nivel individual como en AM de datos resumidos, y pueden mejorar la inferencia causal en el análisis de mediación.