
7天中介孟德尔随机化SCI论文挑战 – 第4~5天

中介孟德尔随机化SCI论文挑战 – 第4~5天
在这个挑战的第四和第五天,我成功完成了论文的主要部分,包括方法和结果部分的写作。剩余的部分,如引言、讨论和摘要,在接下来的两天内完成就可以了。
中介孟德尔随机化是一个相对简单的分析方法。它的核心是使用单变量孟德尔随机化(MR)来评估一个因素(暴露)对另一个因素(结果)的总影响。为了理解这个影响是如何通过中间因素(中介变量)传递的,我们可以采用多变量MR(MVMR)和two-step MR等方法。
MVMR步骤主要包括:
1. 估计直接效应:在控制中介变量的情况下,使用MVMR来评估暴露对结果的直接影响。
2. 进行两阶段回归:第一阶段,使用暴露和中介的遗传工具预测每个暴露;第二阶段,将结果回归到每个暴露的预测值上。
3. 估计间接效应:从总效应中减去直接效应。
Two-step MR步骤:
1. 估计两个MR值:一个是暴露对中介的影响,另一个是中介对结果的影响。
2. 计算间接效应:将这两个估计值相乘。
多中介变量分析:
1. 使用MVMR:在控制所有中介变量的情况下,评估由多个中介引起的直接效应。
2. 估计综合间接效应:从总效应中减去直接效应。
3. 使用Two-step MR:单独考虑每个中介,并相加以获得综合间接效应。
通过这些步骤,我们可以更好地理解一个因素如何通过多个中介变量影响另一个因素,并能够计算相应的中介效应。




💗注:我期待与大家分享中介孟德尔随机化的详细分析方法,并希望我的经验能对那些正在寻找合适研究选题的师弟师妹们有所帮助。让我们一起学习,迎接学术挑战!