徐艺耘 刘振球 樊 虹 张 欣 施婷婷 吴 声 张铁军，2△

（1复旦大学公共卫生学院流行病学教研室 上海 200032；2复旦大学义乌研究院 义乌 322000）

孟德尔随机化（Mendelian randomization，MR）是借助遗传变异（genetic variation）作为工具变量（instrumental variable，IV）来推断暴露因素与结局之间因果关联的方法，有效避免了反向因果关联和潜在混杂因素导致的偏倚。随着全基因组关联研究（genome-wide association study，GWAS）的增多，孟德尔随机化分析广泛应用于观察性流行病学研究中。传统孟德尔随机化分析方法，如逆方差加权法（inverse-variance weighted，IVW），假定所有的遗传变异均满足工具变量的3 个核心假设[1］：（1）工具变量与暴露因素之间有强相关（关联性假设）；（2）工具变量与混杂因素无关联（独立性假设）；（3）工具变量只能通过暴露因素对结局产生作用，不能通过其他途径影响结局发生（排他性假设）。当工具变量存在多效性时，因果效应的估计则会有偏[2］。MR-Egger 回归是在IVW 的基础上修正而来的一种基于汇总数据的多工具变量孟德尔随机化方法。与IVW 不同的是，该方法仅需满足工具变量多效性效应独立于工具变量与暴露因素之间的关联（instrument strength independent of direct effect，InSIDE）假设和无测量误差（no measurement error，NOME）假设，不如工具变量的3 个核心假设要求严格。同时，该方法既能检测多效性又能校正多效性偏倚，所以在以多个遗传变异作为工具变量的研究中，采用MR-Egger 回归能够保持孟德尔随机化方法的有效性。 本研究将对MR-Egger 回归进行阐述，并用此方法探索高密度脂蛋白胆固醇（highdensity lipoprotein cholesterol，HDL-C）与冠状动脉疾病（coronary artery disease，CAD）之间的因果关联。

资料和方法

基本原理MR-Egger 回归是由Bowden 等[3］于2015年提出，广泛运用于采用多个单核苷酸多态性（single nucleotide polymorphism，SNP）作为工具变量进行因果推断的孟德尔随机化分析中，尤其适用于遗传变异存在定向多效性的情况。……