Accounting for place: confounding via geography obscures polygenic evidence on mental health and environmental exposures in the UK Biobank

Deze studie toont aan dat het expliciet rekening houden met de lokale geografische context met behulp van multilevel-modellen cruciaal is in analyses van de UK Biobank, aangezien dit aantoont dat traditionele single-level-modellen die uitsluitend zijn aangepast voor genetische hoofdcomponenten vertekende associaties kunnen opleveren tussen polygenische scores voor mentale gezondheid en blootstellingen aan het milieu zoals groenruimte als gevolg van niet-aangepaste geografische verstorende factoren.

De kern

Het Grote Plaatje: Het "Buurt-effect" op de Geestelijke Gezondheid

Stel je voor dat je probeert uit te zoeken of een specifiek type zaad (iemands genetische aanleg voor geestelijke gezondheid) beter groeit in een tuin (een groene, begroeide wijk) of op een betonnen parkeerplaats (een stedelijk, bebouwd gebied).

Lange tijd hebben wetenschappers dit onderzocht door zaden in verschillende tuinen te planten en te tellen hoeveel bloemen er groeien. Ze merkten een patroon op: mensen met bepaalde genetische risico's voor depressie of schizofrenie lijken vaak in minder groene gebieden te wonen, terwijl mensen met een betere genetische welzijnsgenade schijnbaar in groenere plekken wonen.

Maar dit artikel betoogt dat wetenschappers naar het verkeerde ding hebben gekeken. Ze gaven de zaad de schuld van de grond, terwijl eigenlijk de grond (de wijk) beïnvloedde waar de zaden uiteindelijk terecht kwamen.

Het Probleem: "Verwarring via Geografie"

De auteurs noemen dit probleem "Verwarring via Geografie". Hier is een eenvoudige manier om erover na te denken:

Stel je voor dat je een detective bent die een mysterie probeert op te lossen. Je merkt op dat mensen die in Londen wonen, een ander genetisch profiel hebben dan mensen die in de Cotswolds wonen (een landelijk gebied).

• De Fout: Als je Londenaren en Cotswolders gewoon vergelijkt zonder na te denken over waarom ze verschillend zijn, zou je kunnen denken: "Oh, het wonen in Londen veroorzaakt dit genetische verschil."
• De Realiteit: Het is niet de stad die hun genen heeft veranderd. Het is dat mensen met bepaalde achtergronden, inkomens en levensverhalen (die in steden versus het platteland geclusterd zijn), daar naartoe verhuisd zijn. De stad heeft niet de genetica veroorzaakt; de geschiedenis en economie van de plek veroorzaakten zowel het type mensen dat daar woont als het type omgeving waarin ze leven.

Het artikel stelt dat eerdere studies vaak vergeten zijn rekening te houden met deze "geografische valkuil". Ze behandelden elke persoon als een onafhankelijk datapunt, zoals individuele dobbelstenenworpen, terwijl mensen in dezelfde wijk meer op elkaar lijken dan op mensen in de volgende stad.

Het Experiment: De "Magische Lens" (Multilevelmodellen)

Om dit op te lossen, gebruikten de onderzoekers een speciaal statistisch hulpmiddel dat een Mundlak-model wordt genoemd. Denk hierbij aan een magische lens die hen in staat stelt om tegelijkertijd op twee verschillende manieren naar de data te kijken:

1. Het "Binnen-de-wijk"-Perspectief: Dit kijkt naar mensen binnen dezelfde wijk. Het vraagt: "Als twee mensen op dezelfde straat wonen, en de een heeft een hoog genetisch risico op depressie, wonen ze dan in een minder groen huis dan hun buurman?"
2. Het "Tussen-wijken"-Perspectief: Dit kijkt naar de verschillen tussen wijken. Het vraagt: "Hebben wijken met een hoog gemiddelde aan depressiegenen over het algemeen minder groene ruimte?"

Door deze twee perspectieven te scheiden, konden de onderzoekers zien of het effect van "groene ruimte" echt was voor het individu, of dat het slechts een illusie was veroorzaakt door het feit dat bepaalde soorten wijken bepaalde soorten mensen aantrekken.

Wat Ze Vonden: De Plotwending

Toen ze de data bekeken zonder de "magische lens" (de oude manier), vonden ze wat iedereen verwachtte:

• Mensen met genen voor depressie leken in minder groene gebieden te wonen.
• Mensen met genen voor schizofrenie leken in minder groene gebieden te wonen.

Maar toen ze de "magische lens" gebruikten (de nieuwe manier), veranderde het verhaal volledig:

1. Het "Ruis" Verdween: Toen ze strikt keken naar mensen binnen dezelfde wijk, verdween het verband tussen slechte genen en slechte wijken grotendeels.
2. Het Teken Keerde Om: Voor schizofrenie keerden de resultaten zelfs om! Bij een strikte blik binnen wijken leken mensen met een hoger genetisch risico op schizofrenie eigenlijk in groenere plekken te wonen dan hun buren.
3. Het "Tussen"-effect is de Dader: De reden dat de oude studies een verband zagen, lag aan het Tussen-wijken-effect. Rijkere, groenere gebieden hebben de neiging om een andere bevolking te hebben dan armere, stedelijke gebieden. De oude studies gaven per ongeluk de genen van het individu de schuld van de armoede of rijkdom van de wijk.

De "Residuen"-kaart: Waar het Model Gebroken Is

De onderzoekers keken ook naar de "overgebleven" fouten in hun model (residuen). Ze ontdekten dat het model het meest worstelde in extreme plekken:

• Het Peak District en Nationale Parken: Deze zeer landelijke, groene gebieden hadden enorme "fouten" in het model.
• Centraal Londen: Deze zeer stedelijke gebieden hadden ook enorme fouten.

Dit suggereert dat je niet zomaar een persoon in een Nationaal Park kunt vergelijken met een persoon in Londen en ervan uit kunt gaan dat ze "uitwisselbaar" (vergelijkbaar) zijn. De verschillen tussen deze plekken zijn zo enorm (qua geschiedenis, economie en cultuur) dat een eenvoudige genetische vergelijking niet werkt tenzij je rekening houdt met de enorme kloof tussen deze twee werelden.

De Belangrijkste Conclusie

Het artikel concludeert dat geografie een krachtige verwarrende factor is.

Als je een geneticus bent die geestelijke gezondheid bestudeert, kun je niet alleen naar iemands DNA en adres kijken en aannemen dat het adres een gevolg is van hun DNA. Je moet beseffen dat waar mensen wonen vaak wordt bepaald door factoren die ook de verdeling van hun DNA vormen (zoals migratiepatronen, economische geschiedenis en lokale beleidsmaatregelen).

De Oplossing:
De auteurs suggereren dat wetenschappers routinematig deze "magische lens" (multilevelmodelling) moeten gebruiken om de "binnen-wijk"-effecten te scheiden van de "tussen-wijken"-effecten. Als de resultaten drastisch veranderen wanneer je dit doet, betekent dit dat de oorspronkelijke bevinding waarschijnlijk slechts een truc van de geografie was, en geen echte biologische oorzaak.

Kortom: Geef de zaad niet de schuld van de grond. Soms is de grond gewoon toevallig waar bepaalde zaden terecht zijn gekomen, en hebben we betere hulpmiddelen nodig om het verschil te zien.

Technische samenvatting

Technische Samenvatting: Rekening houden met locatie: Verwarring via geografie in genetische epidemiologie

Probleemstelling
Deze studie behandelt het probleem van "verwarring via geografie" in genetisch-epidemiologisch onderzoek, specifiek binnen de context van de UK Biobank. Waar traditionele analyses van polygenische indices (PGI's) voor psychische gezondheidskenmerken doorgaans corrigeren voor genetische hoofdcomponenten (PC's) om populatiestructurering te controleren, slagen ze er vaak niet in rekening te houden met de lokale geografische context. De auteurs betogen dat, omdat zowel uitkomsten op het gebied van mentale gezondheid als blootstellingen aan de omgeving (zoals groenruimte) een sterke geografische patronen vertonen, gemeenschappelijke oorzaken per locatie kunnen clusteren. Het negeren van deze structuur kan bias induceren, wat leidt tot schijnbare associaties tussen genetisch voorspelde kenmerken en omgevingsblootstellingen. Het artikel stelt dat het behandelen van individuen als onafhankelijke waarnemingen in geografisch gestructureerde datasets het risico met zich meebrengt dat variantie die wordt verklaard door geografisch gestructureerde verwarrende factoren (bijvoorbeeld lokaal beleid, demografische verschillen) ten onrechte wordt toegeschreven aan genetische blootstellingen op individueel niveau.

Methodologie
De auteurs gebruikten gegevens van de UK Biobank (N variërend van 209.391 tot 293.851, afhankelijk van de uitkomst) om het verband te onderzoeken tussen genetisch voorspelde kenmerken van mentale gezondheid en twee maatstaven voor residentiële groenruimte:

1. Percentage groenruimte: Gegevens afgeleid van landgebruik binnen een straal van 300 meter.
2. Genormaliseerd Difference Vegetation Index (NDVI): Satellietgebaseerde groenheid binnen een straal van 500 meter.

De studie construeerde PGI's voor drie kenmerken: depressie, welzijn en schizofrenie, met behulp van samenvattingsstatistieken uit Genome-Wide Association Studies (GWAS). Deze PGI's werden gegenereerd over een spectrum van p-waarde drempels (van $p < 0,5$ tot en met genomewide significantie $p < 5 \times 10^{-8}$) om de robuustheid van signalen te testen onder variërende niveaus van SNP-filtering.

Om geografische verwarring aan te pakken, vergeleken de auteurs twee modelleringbenaderingen:

1. Eenniveau lineaire regressie: Standaardmodellen die corrigeren voor leeftijd, geslacht en de eerste 25 genetische PC's.
2. Multiniveau Mundlak-modellen: Deze modellen ontleden het effect van de PGI in:
   • Effecten binnen het gebied: De associatie tussen de PGI van een individu en de groenruimte, waarbij het gemiddelde van het gebied constant wordt gehouden.
   • Contextuele (tussen-gebied) effecten: De associatie tussen het gemiddelde PGI van een wijk en de uitkomst voor groenruimte, waarbij individuele kenmerken constant worden gehouden.

Deze formulering maakt expliciete modellering van geografisch gestructureerde variantie mogelijk in plaats van deze uitsluitend als een hinderlijk element te behandelen. Alle modellen werden aangepast voor 25 genetische PC's.

Belangrijkste resultaten

• Fenotypische associaties: In overeenstemming met eerdere literatuur toonden fenotypische analyses aan dat individuen met diagnoses van depressie of schizofrenie, of met een lager welzijn, de neiging hadden te wonen in gebieden met minder groenruimte.
• PGI en groenruimte (eenniveau): In eenniveau-modellen met minder strikt gefilterde PGI's (hogere p-waarde drempels) waren genetisch voorspelde depressie en schizofrenie geassocieerd met minder groenruimte, terwijl welzijn geassocieerd was met meer groenruimte.
• Verzwakking en tekenomkering: Wanneer strengere p-waarde drempels werden toegepast op de PGI's, verzwakten de associaties aanzienlijk. Opvallend genoeg veranderde bij schizofrenie het teken van de associatie volledig in strengere modellen.
• Binnen-gebied versus eenniveau: De schattingen binnen het gebied, afgeleid van de Mundlak-modellen voor minder gefilterde PGI's, kwamen dichter overeen met de schattingen verkregen uit strikt gefilterde PGI's in eenniveau-modellen.
• Contextuele effecten: De studie vond sterke negatieve contextuele effecten, met name voor schizofrenie. Dit suggereert dat het wonen in een gebied met een hoger gemiddeld schizofrenie-PGI geassocieerd is met minder groenruimte, terwijl binnen een specifiek gebied individuen met een hoger schizofrenie-PGI daadwerkelijk dichter bij meer groenruimte kunnen wonen.
• Geografische residuen: Analyse van modelresiduen toonde aan dat geografisch naïeve eenniveau-modellen slecht presteerden in extreme omgevingen, zoals nationale parken (hoge residuen) en centraal Londen (lage residuen), wat aangeeft dat deze modellen structurele verschillen tussen deze verschillende geografische contexten niet vastleggen.

Belangrijkste bijdragen

1. Aantonen van bias: Het artikel levert empirisch bewijs dat het negeren van de geografische context in genetische epidemiologie kan leiden tot vertekende schattingen van het verband tussen genetische aanleg en omgevingsblootstellingen.
2. Methodologisch kader: De auteurs bepleiten het routinematige gebruik van multiniveau Mundlak-modellen om PGI-effecten te ontleden in componenten binnen het gebied en contextuele componenten. Deze aanpak helpt onderscheid te maken tussen causale paden op individueel niveau en geografisch gestructureerde verwarring.
3. Voorstel voor gevoeligheidsanalyse: De studie suggereert dat het vergelijken van eenniveau-schattingen met schattingen binnen het gebied (analoog aan een Hausman-test) dient als een kritieke gevoeligheidsanalyse. Als deze schattingen uiteenlopen, wijst dit op de aanwezigheid van verwarring via geografie die niet wordt vastgelegd door standaard genetische PC-aanpassingen.
4. Terugwinning van genetisch signaal: De resultaten geven aan dat het expliciet modelleren van de geografische context kan helpen robuuste genetische signalen terug te winnen uit ruisigere, minder gefilterde PGI's, wat suggereert dat het "ware" effect op individueel niveau in standaardanalyses kan worden verduisterd door verwarrende factoren tussen gebieden.

Betekenis en claims
Het artikel beweert dat de waargenomen associaties tussen mentale gezondheids-PGI's en groenruimte in eerdere studies waarschijnlijk verwarring via geografie weerspiegelen in plaats van directe causale paden. De auteurs betogen dat genetisch-epidemiologen die werken met ruimtelijk gestructureerde populaties routinematig lokale context moeten onderzoeken. Zij betogen dat het aannemen van conditionele uitwisselbaarheid tussen individuen in zeer verschillende geografische omgevingen (bijvoorbeeld centraal Londen versus het Peak District) vaak onjuist is.

De studie concludeert dat, hoewel eenniveau-modellen die zijn aangepast voor genetische PC's ontoereikend zijn, het opnemen van lokale context via multiniveau-modellering een mechanisme biedt om inferenties te doen over complexe causale structuren en bias te verminderen. De auteurs raden aan dat dergelijke geografisch onderbouwde gevoeligheidsanalyses een standaardpraktijk in het vakgebied worden om te voorkomen dat genetische oorzaken ten onrechte worden toegeschreven aan omgevings- of sociale oorsprongen stroomopwaarts.