La MR multivariable peut atténuer le biais dans la MR à deux échantillons en utilisant des associations résumées ajustées pour les covariables

Résumé Les études d'association à l'échelle du génome (GWAS) sont des études sans hypothèse qui examinent l'ensemble du génome pour identifier les polymorphismes associés à un trait d'intérêt. Pour augmenter la puissance et estimer les effets directs de ces polymorphismes de nucléotides uniques (SNP) sur un trait, les GWAS sont souvent conditionnés sur une covariable (telle que l'indice de masse corporelle (IMC) ou le statut tabagique). Cet ajustement peut introduire un biais dans l'effet estimé du SNP sur le trait. Les études de randomisation mendélienne (MR) utilisent des statistiques résumées des GWAS pour estimer l'effet causal d'un facteur de risque (ou exposition) sur un résultat. L'ajustement des covariables dans les GWAS peut biaiser les estimations d'effet obtenues à partir des études MR utilisant les données GWAS. La MR multivariable (MVMR) est une extension de la MR qui inclut plusieurs traits en tant qu'expositions. À l'aide de simulations, nous montrons que la MVMR peut récupérer des estimations non biaisées de l'effet direct de l'exposition d'intérêt en incluant la covariable utilisée pour ajuster le GWAS dans l'analyse. Nous montrons que cette méthode fournit des estimations d'effet cohérentes lorsque soit l'exposition, soit le résultat d'intérêt a été ajusté pour une covariable. Nous appliquons cette méthode pour estimer l'effet de la pression artérielle systolique (PAS) sur le diabète de type 2 (DT2) et sur le tour de taille par rapport à la pression artérielle systolique, tant ajustés qu'ajustés pour l'IMC.