用于中介分析的孟德尔随机化：当前方法和实施挑战

中介分析旨在解释暴露影响结果的路径。传统的非工具变量的中介分析方法面临许多方法论上的困难，包括由于暴露、中介和结果之间的混杂及测量误差造成的偏倚。孟德尔随机化（MR）可用于改善中介分析的因果推断。我们描述了两种可用于估计中介分析的MR方法：多变量MR（MVMR）和两步MR。我们概述了这些方法，并提供代码以演示它们在中介分析中的使用。我们审查了可能影响分析的问题，包括混杂、测量误差、弱工具偏倚、暴露与中介之间的交互作用以及多个中介的分析。方法描述通过模拟和真实数据示例得以补充。尽管MR依赖于大样本量和强假设，如存在强工具和没有水平多效应通路，但我们的模拟表明这些方法不受暴露或中介与结果的混杂因素及暴露或中介的非差别测量误差的影响。MVMR和两步MR均可在个体水平MR和汇总数据MR中实施。与非工具变量中介方法相比，MR中介方法需要做出不同的假设。当这些假设更可信时，MR可用于改善中介分析中的因果推断。