Validity and Interpretation of Two-Sample Mendelian Randomization with Binary Traits

Deze studie biedt een formele statistische rechtvaardiging voor twee-stalen Mendeliaanse randomisatie met binaire uitkomsten door aan te tonen dat, onder een liability-threshold model, de standaard methoden geldig blijven en een geschaald causaal effect tussen onderliggende continuïteiten schatten.

De kern

De Kernvraag: Wat gebeurt er als we "Ja/Nee" vragen stellen aan genen?

Stel je voor dat je wilt weten of roken (de oorzaak) longkanker (het gevolg) veroorzaakt. In de wetenschap gebruiken ze vaak een methode genaamd Mendeliaanse Randomisatie. Dit werkt als een natuurlijke experiment: je kijkt naar mensen die genetisch gezien een neiging hebben om te roken, en kijkt of zij vaker kanker krijgen.

Het probleem is dat roken en kanker vaak als binair worden gemeten: of je rookt of niet (Ja/Nee), of je hebt kanker of niet (Ja/Nee).

De oude manier om dit te analyseren was alsof je probeerde een rekenmachine te gebruiken om een thermometer te meten. De wiskunde die voor continue getallen (zoals temperatuur of lengte) werkt, leek niet helemaal te kloppen voor "Ja/Nee"-vragen. Wetenschappers waren bang dat hun resultaten verkeerd waren of moeilijk te interpreteren.

De Oplossing: De "Onzichtbare Thermometer"

De auteurs van dit paper (Zixuan Wu en Jingshu Wang) zeggen: "Wacht even, laten we niet naar het 'Ja/Nee' kijken, maar naar wat er onder die knop gebeurt."

Ze introduceren het idee van een Latente Last (in het Engels: Liability).

De Analogie van de Waterbak:
Stel je voor dat elke persoon een onzichtbare waterbak heeft in hun hoofd.

• De hoeveelheid water in de bak is hun onderliggende risico (bijvoorbeeld: hoe sterk is hun neiging om te roken, of hoe groot is hun risico op kanker).
• Dit waterpeil is een continu getal: het kan 10%, 45%, 99% zijn.
• De ziekte of het gedrag (Ja/Nee) is alleen zichtbaar als het water een bepaalde drempel (een lijn op de bak) overschrijdt.
  • Staat het water onder de lijn? Dan zeggen we: "Geen kanker" (Nee).
  • Staat het water boven de lijn? Dan zeggen we: "Kanker" (Ja).

De wetenschappers tonen aan dat, hoewel we alleen het "Ja/Nee" zien, de genen eigenlijk het waterpeil in die onzichtbare bak beïnvloeden, niet direct het Ja/Nee-uitslag.

Het Magische Receptje: De "Omrekenfactor"

De grote doorbraak in dit paper is dat ze een simpele wiskundige relatie hebben gevonden.

Ze zeggen: "De cijfers die we krijgen uit de grote genen-databases (GWAS) voor 'Ja/Nee'-vragen, zijn eigenlijk gewoon een verkleinde of vergrote versie van de cijfers voor de onderliggende waterbak."

• Het is alsof je een foto hebt van een berg, maar je kijkt erdoor een wazig raam. Je ziet de berg niet scherp, maar je ziet wel precies hoe hoog hij is, alleen in een andere schaal.
• De auteurs hebben de formule gevonden om die wazige foto weer scherp te maken. Ze noemen dit de schaalfactor.
• Deze factor hangt af van twee dingen:
  1. Hoe vaak de ziekte of het gedrag voorkomt in de bevolking (de prevalentie).
  2. Hoe de studie is opgezet (bijvoorbeeld: meer zieken dan gezonden in de steekproef).

Wat betekent dit voor de praktijk?

Vroeger dachten wetenschappers: "Oh, we hebben een binair resultaat (Ja/Nee), dus we moeten een heel nieuwe, ingewikkelde methode bedenken om de causaliteit te berekenen."

Dit paper zegt: "Nee, je hoeft niets te veranderen aan je rekenmethode!"

1. Geen nieuwe software nodig: Je kunt de standaard methoden gebruiken die je al kent.
2. Gewoon een omrekening: Als je een resultaat krijgt, trek je er even een simpele factor bij (die je kunt berekenen op basis van hoe vaak de ziekte voorkomt).
3. Het resultaat is betrouwbaar: Zodra je die factor hebt toegepast, krijg je een eerlijk beeld van de invloed op de onderliggende risico's (het waterpeil), in plaats van op het simpele Ja/Nee.

Samenvatting in één zin

Dit onderzoek bewijst dat we veilig kunnen blijven gebruiken wat we al hebben om te kijken of "Ja/Nee"-factoren (zoals roken of diabetes) ziektes veroorzaken, zolang we ons maar realiseren dat we eigenlijk kijken naar een onderliggend risico en we dat resultaat even omrekenen met een simpele formule.

Het is alsof je zegt: "We hoeven niet te stoppen met het meten van de temperatuur met een thermometer die alleen 'heet' of 'koud' aangeeft; we weten nu precies hoe we die 'heet/koud'-uitslag kunnen omrekenen naar de echte graadtemperatuur."

Technische samenvatting

Probleemstelling

Twee-stalen Mendeliaanse randomisatie (MR) wordt veelvuldig toegepast op binaire blootstellingen en uitkomsten (bijv. ziektestatus, roken, medicatiegebruik). Echter, standaard MR-modellen gaan uit van lineaire effectaannames die moeilijk te interpreteren zijn voor binaire kenmerken.

• Interpretatieprobleem: Binaire uitkomsten ondersteunen geen natuurlijke lineaire causale effectmodellen. Genetische varianten kunnen de onderliggende risicoliabiliteit beïnvloeden zonder de waargenomen binaire status te veranderen, wat de "exclusion restriction" (uitsluitingsrestrictie) op de binaire schaal lijkt te schenden.
• GWAS-uitdagingen: Genome-wide association studies (GWAS) voor binaire traits gebruiken vaak logistische of lineaire regressie, wat resulteert in odds-ratio's of lineaire waarschijnlijkheidscoëfficiënten. Het is onduidelijk of deze coëfficiënten op de waargenomen schaal geldig zijn voor MR-analyses en welk causaal parameter ze eigenlijk identificeren.
• Huidige status: Hoewel er suggesties zijn gedaan om MR op een "liability scale" (aansprakelijkheidsschaal) te interpreteren, ontbreekt er een formele statistische onderbouwing of een exacte definitie van het geschatte parameter in de context van samenvattingsdata (summary data).

Methodologie

De auteurs ontwikkelen een wiskundig raamwerk gebaseerd op het liability-threshold model (aansprakelijkheidsdrempelmodel).

1. Conceptueel Raamwerk:

   • Binaire traits ($X$ en $Y$) worden beschouwd als dichotomiseringen van onderliggende continue variabelen, de "liabilities" ($X^*$ en $Y^*$).
   • Een individu heeft een binaire status van 1 als de onderliggende liability een specifieke drempel ($t$) overschrijdt.
   • Causale relaties worden gedefinieerd tussen de continue liabilities ($X^* \to Y^*$), niet tussen de binaire waarnemingen.

2. Afleiding van Relaties:

   • De auteurs leiden expliciete relaties af tussen GWAS-coëfficiënten (verkregen via logistische of lineaire regressie op binaire traits) en de marginale genetische associaties op de liability-schaal.
   • Kernhypothese: Onder de aanname van kleine genetische effecten (typisch voor complexe traits), zijn de GWAS-coëfficiënten op de waargenomen schaal ongeveer evenredig met de associaties op de liability-schaal.
   • De evenredigheidsfactor (scaling factor, $s$) hangt af van:
     • De prevalentie van de trait ($p$).
     • Het gebruikte regressiemodel (logistisch vs. lineair).
     • Het steekproefontwerp (cohort vs. case-control).

3. Formele Afleiding:

   • Voor logistische regressie: $\gamma_j^H \approx s_X \gamma_j^*$
   • Voor lineaire regressie: $\gamma_j^L \approx s_X \gamma_j^*$
   • Waarbij $\gamma_j^*$ de associatie op de liability-schaal is en $s_X$ een schalingsfactor die berekend kan worden op basis van de prevalentie en de standaardnormale dichtheidsfunctie $\phi$.
   • In een twee-stalen MR-context leidt dit tot de conclusie dat de standaard MR-schatting ($\hat{\beta}$) in feite een geschaalde versie is van de ware causale effect op de liability-schaal: $\hat{\beta}_{obs} \approx \beta_{liability} \times \frac{s_Y}{s_X}$.

Belangrijkste Bijdragen

1. Formele Statistische Rechtvaardiging: Het artikel biedt de eerste formele afleiding die aantoont dat conventionele twee-stalen MR-methoden (zoals IVW) statistisch coherent blijven voor binaire traits, mits de resultaten worden geïnterpreteerd op de liability-schaal.
2. Definitie van het Causale Parameter: Het verduidelijkt dat MR met binaire traits een geschaald causaal effect tussen onderliggende liabilities schat, in plaats van een effect op de binaire schaal.
3. Berekenbare Schalingsfactoren: De auteurs presenteren formules om de schalingsfactoren te berekenen op basis van bekende prevalenties en studieontwerpen, waardoor een correctie mogelijk is zonder individuele data.
4. Uitbreidbaarheid: Het raamwerk is niet beperkt tot univariate MR, maar is ook van toepassing op complexere scenario's zoals multivariabele MR, MR binnen families en levensloop-MR.

Resultaten

1. Simulatiestudies:

   • Simulaties bevestigden dat GWAS-coëfficiënten voor binaire traits inderdaad evenredig zijn met de onderliggende liability-associaties.
   • Na toepassing van de theoretische schalingsfactor ($s_X$) vallen de schattingen voor binaire traits nauwkeurig samen met de schattingen voor continue traits (de "identity line").
   • Logistische regressie toont een betere benadering (minder kromming) dan lineaire regressie, vooral bij extreme prevalenties.
   • MR-schattingen voor binaire traits, na correctie, gaven consistente resultaten voor het causale effect, ongeacht of de blootstelling of uitkomst binaire of continue was.

2. Empirische Analyse (UK Biobank):

   • De auteurs analyseerden de relatie tussen BMI (blootstelling) en systolische bloeddruk (uitkomst), zowel als continue variabelen als binaire variabelen (obesiteit en hypertensie).
   • Observatie: Ongecorrigeerde MR-schattingen varieerden sterk afhankelijk van de definitie van de trait (bijv. BMI vs. obesiteit).
   • Correctie: Na rescaling naar de liability-schaal convergeerden de schattingen voor alle combinaties (continue-continue, binaire-binaire, etc.) naar bijna identieke betrouwbaarheidsintervallen.
   • Dit bewijst dat de verschillen voornamelijk te wijten waren aan schaaltransformaties en niet aan fundamentele verschillen in de causale inferentie.

Betekenis en Conclusie

• Praktische Implicatie: Onderzoekers hoeven geen nieuwe methoden te ontwikkelen voor binaire traits. Standaard summary-data MR-methoden kunnen worden gebruikt, maar de interpretatie van het effect moet worden aangepast naar de "liability scale".
• Interpretatie: Het geschatte effect vertegenwoordigt de verandering in de onderliggende risicoliabiliteit van de uitkomst per eenheid verandering in de onderliggende risicoliabiliteit van de blootstelling.
• Beperkingen: De methode rust op de aanname van kleine genetische effecten en een gemeenschappelijke drempel voor de hele populatie. Bij zeer zeldzame traits of varianten met grote effecten kan de benadering minder nauwkeurig zijn.
• Conclusie: Binaire blootstellingen en uitkomsten vormen geen obstakel voor twee-stalen MR. Door ze te interpreteren als discretisaties van continue liabilities, kan MR robuuste en coherent interpreteerbare causale inferenties leveren in epidemiologisch onderzoek.