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

Este estudo demonstra que considerar explicitamente o contexto geográfico local por meio de modelos multiníveis é crucial nas análises do UK Biobank, pois revela que os modelos tradicionais de nível único ajustados apenas para componentes principais genéticos podem produzir associações enviesadas entre escores poligênicos para saúde mental e exposições ambientais, como áreas verdes, devido a confusão geográfica não abordada.

O essencial

A Visão Geral: O "Efeito do Bairro" na Saúde Mental

Imagine que você está tentando descobrir se um tipo específico de semente (a composição genética de uma pessoa para a saúde mental) cresce melhor em um jardim (um bairro verde e arborizado) ou em um estacionamento de concreto (uma área urbana e construída).

Por muito tempo, os cientistas examinaram isso plantando sementes em diferentes jardins e contando quantas flores crescem. Eles notaram um padrão: pessoas com certos riscos genéticos para depressão ou esquizofrenia muitas vezes parecem viver em áreas menos verdes, enquanto aquelas com melhor bem-estar genético parecem viver em lugares mais verdes.

Mas este artigo argumenta que os cientistas têm olhado para a coisa errada. Eles estavam culpando a semente pelo solo, quando, na verdade, o solo (o bairro) estava influenciando onde as sementes acabaram por ficar, em primeiro lugar.

O Problema: "Confundimento via Geografia"

Os autores chamam esse problema de "Confundimento via Geografia". Aqui está uma maneira simples de pensar sobre isso:

Imagine que você é um detetive tentando resolver um mistério. Você nota que pessoas que vivem em Londres tendem a ter um perfil genético diferente de pessoas que vivem nas Cotswolds (uma área rural).

• O Erro: Se você apenas comparar londrinos e moradores das Cotswolds sem pensar no porquê de serem diferentes, você pode pensar: "Ah, viver em Londres causa essa diferença genética."
• A Realidade: Não é a cidade que mudou seus genes. É que pessoas com certas origens, rendas e histórias de vida (que estão agrupadas em cidades versus campo) mudaram-se para lá. A cidade não causou a genética; a história e a economia do lugar causaram tanto o tipo de pessoa que vive lá quanto o tipo de ambiente em que vivem.

O artigo diz que estudos anteriores frequentemente esqueceram de levar em conta essa "armadilha geográfica". Eles trataram cada pessoa como um ponto de dados independente, como lançamentos individuais de dados, quando, na verdade, pessoas no mesmo bairro são mais semelhantes entre si do que a pessoas na cidade vizinha.

O Experimento: A "Lente Mágica" (Modelos Multinível)

Para corrigir isso, os pesquisadores usaram uma ferramenta estatística especial chamada modelo Mundlak. Pense nisso como uma lente mágica que lhes permite olhar para os dados de duas maneiras diferentes ao mesmo tempo:

1. A Visão "Dentro do Bairro": Isso olha para pessoas dentro do mesmo bairro. Pergunta: "Se duas pessoas moram na mesma rua, e uma tem alto risco genético para depressão, elas vivem em uma casa menos verde do que seu vizinho?"
2. A Visão "Entre Bairros": Isso olha para as diferenças entre os bairros. Pergunta: "Bairros com uma média alta de genes de depressão geralmente têm menos espaço verde?"

Ao separar essas duas visões, os pesquisadores puderam ver se o efeito do "espaço verde" era real para o indivíduo, ou se era apenas uma ilusão causada pelo fato de que certos tipos de bairros atraem certos tipos de pessoas.

O Que Eles Encontraram: A Reviravolta

Quando olharam para os dados sem a "lente mágica" (o jeito antigo), encontraram o que todos esperavam:

• Pessoas com genes para depressão pareciam viver em áreas menos verdes.
• Pessoas com genes para esquizofrenia pareciam viver em áreas menos verdes.

Mas quando usaram a "lente mágica" (o jeito novo), a história mudou completamente:

1. O "Ruído" Desapareceu: Quando olharam estritamente para pessoas dentro do mesmo bairro, o vínculo entre genes ruins e bairros ruins desapareceu em grande parte.
2. O Sinal Inverteu: Para a esquizofrenia, os resultados realmente inverteram! Ao olhar estritamente dentro dos bairros, pessoas com maior risco genético para esquizofrenia pareciam, na verdade, viver em lugares mais verdes do que seus vizinhos.
3. O Efeito "Entre" é o Culpado: A razão pela qual os estudos antigos viam um vínculo foi por causa do efeito Entre-Bairros. Áreas mais ricas e verdes tendem a ter populações diferentes das áreas urbanas mais pobres. Os estudos antigos estavam, acidentalmente, culpando os genes do indivíduo pela pobreza ou riqueza do bairro.

O Mapa "Residual": Onde o Modelo Quebrou

Os pesquisadores também olharam para os erros "sobrantes" em seu modelo (resíduos). Eles descobriram que o modelo lutava mais em lugares extremos:

• O Peak District e Parques Nacionais: Essas áreas muito rurais e verdes tinham enormes "erros" no modelo.
• Londres Central: Essas áreas muito urbanas também tinham enormes erros.

Isso sugere que você não pode simplesmente comparar uma pessoa em um Parque Nacional com uma pessoa em Londres e assumir que elas são "intercambiáveis" (comparáveis). As diferenças entre esses lugares são tão massivas (em termos de história, economia e cultura) que uma comparação genética simples não funciona, a menos que você leve em conta o enorme fosso entre os dois mundos.

A Principal Conclusão

O artigo conclui que a geografia é um poderoso fator de confusão.

Se você é um geneticista estudando saúde mental, não pode apenas olhar para o DNA de uma pessoa e seu endereço e assumir que o endereço é um resultado do DNA dela. Você precisa perceber que onde as pessoas vivem é frequentemente determinado por fatores que também moldam a distribuição do DNA delas (como padrões de migração, história econômica e políticas locais).

A Solução:
Os autores sugerem que os cientistas devem usar rotineiramente essa "lente mágica" (modelagem multinível) para separar os efeitos "dentro do bairro" dos efeitos "entre bairros". Se os resultados mudam drasticamente quando você faz isso, significa que a descoberta original era provavelmente apenas um truque da geografia, não uma verdadeira causa biológica.

Em resumo: Não culpe a semente pelo solo. Às vezes, o solo simplesmente acontece de ser onde certas sementes acabaram, e precisamos de melhores ferramentas para contar a diferença.

Resumo técnico

Resumo Técnico: Contabilizando o Lugar: Confounder via Geografia em Epidemiologia Genética

Declaração do Problema
Este estudo aborda a questão do "confounder via geografia" na pesquisa de epidemiologia genética, especificamente no contexto do UK Biobank. Enquanto as análises tradicionais de índices poligênicos (PGIs) para traços de saúde mental geralmente ajustam componentes principais genéticos (PCs) para controlar a estratificação populacional, elas frequentemente falham em contabilizar o contexto geográfico local. Os autores argumentam que, como tanto os resultados de saúde mental quanto as exposições ambientais (como áreas verdes) exibem forte padronização geográfica, causas comuns podem agrupar-se por localização. Ignorar essa estrutura pode induzir viés, levando a associações espúrias entre traços previstos geneticamente e exposições ambientais. O artigo postula que tratar indivíduos como observações independentes em conjuntos de dados estruturados geograficamente corre o risco de atribuir erroneamente a variância explicada por confounders estruturados geograficamente (por exemplo, políticas locais, diferenças demográficas) a exposições genéticas de nível individual.

Metodologia
Os autores utilizaram dados do UK Biobank (N variando de 209.391 a 293.851, dependendo do resultado) para investigar a relação entre traços de saúde mental previstos geneticamente e duas medidas de áreas verdes residenciais:

1. Porcentagem de Áreas Verdes: Dados derivados do uso do solo dentro de um raio de 300m.
2. Índice de Vegetação por Diferença Normalizada (NDVI): Verdor derivado de satélite dentro de um raio de 500m.

O estudo construiu PGIs para três traços: depressão, bem-estar e esquizofrenia, utilizando estatísticas resumidas de Estudos de Associação Genômica Ampla (GWAS). Esses PGIs foram gerados em um espectro de limiares de valor-p (de $p < 0,5$ até a significância genômica ampla $p < 5 \times 10^{-8}$) para testar a robustez dos sinais sob diferentes níveis de filtragem de SNPs.

Para abordar o confounding geográfico, os autores compararam duas abordagens de modelagem:

1. Regressão Linear de Nível Único: Modelos padrão ajustados para idade, sexo e os primeiros 25 PCs genéticos.
2. Modelos Mundlak Multinível: Estes modelos decompõem o efeito do PGI em:
   • Efeitos dentro da área: A associação entre o PGI de um indivíduo e as áreas verdes, mantendo a média da área constante.
   • Efeitos contextuais (entre áreas): A associação entre a média do PGI de um bairro e o resultado de áreas verdes, mantendo as características individuais constantes.

Essa formulação permite a modelagem explícita da variância estruturada geograficamente, em vez de tratá-la apenas como um incômodo. Todos os modelos foram ajustados para 25 PCs genéticos.

Principais Resultados

• Associações Fenotípicas: Consistente com a literatura anterior, as análises fenotípicas mostraram que indivíduos com diagnósticos de depressão ou esquizofrenia, ou menor bem-estar, tendiam a residir em áreas com menos áreas verdes.
• PGI e Áreas Verdes (Nível Único): Em modelos de nível único usando PGIs menos estritamente filtrados (limiares de valor-p mais altos), depressão e esquizofrenia previstas geneticamente foram associadas a menos áreas verdes, enquanto o bem-estar foi associado a mais áreas verdes.
• Atenuação e Reversão de Sinal: Quando limiares de valor-p mais estritos foram aplicados aos PGIs, as associações atenuaram-se significativamente. Notavelmente, para a esquizofrenia, o sinal da associação mudou completamente em modelos mais estritos.
• Dentro da Área vs. Nível Único: As estimativas dentro da área derivadas dos modelos Mundlak para PGIs menos filtrados alinharam-se mais de perto com as estimativas obtidas a partir de PGIs estritamente filtrados em modelos de nível único.
• Efeitos Contextuais: O estudo encontrou fortes efeitos contextuais negativos, particularmente para a esquizofrenia. Isso sugere que viver em uma área com um PGI médio de esquizofrenia mais alto está associado a menos áreas verdes, enquanto dentro de uma área específica, indivíduos com um PGI de esquizofrenia mais alto podem, na verdade, estar mais próximos de mais áreas verdes.
• Resíduos Geográficos: A análise dos resíduos do modelo revelou que modelos de nível único geograficamente ingênuos performaram mal em ambientes extremos, como Parques Nacionais (resíduos altos) e o centro de Londres (resíduos baixos), indicando que esses modelos falham em capturar diferenças estruturais entre esses contextos geográficos distintos.

Principais Contribuições

1. Demonstração de Viés: O artigo fornece evidências empíricas de que ignorar o contexto geográfico na epidemiologia genética pode levar a estimativas enviesadas da relação entre predisposições genéticas e exposições ambientais.
2. Estrutura Metodológica: Os autores defendem o uso rotineiro de modelos Mundlak multinível para decompor os efeitos do PGI em componentes dentro da área e contextuais. Essa abordagem ajuda a distinguir entre vias causais de nível individual e confounding estruturado geograficamente.
3. Proposta de Análise de Sensibilidade: O estudo sugere que comparar estimativas de nível único com estimativas dentro da área (análogo a um teste de Hausman) serve como uma análise de sensibilidade crítica. Se essas estimativas divergirem, isso sinaliza a presença de confounding via geografia que não é capturado pelos ajustes padrão de PCs genéticos.
4. Recuperação do Sinal Genético: Os resultados indicam que modelar explicitamente o contexto geográfico pode ajudar a recuperar sinais genéticos robustos a partir de PGIs mais ruidosos e menos filtrados, sugerindo que o efeito "verdadeiro" de nível individual pode estar obscurecido por confounding entre áreas em análises padrão.

Significado e Alegações
O artigo alega que as associações observadas entre PGIs de saúde mental e áreas verdes em estudos anteriores provavelmente refletem confounding via geografia, em vez de vias causais diretas. Os autores argumentam que epidemiologistas genéticos trabalhando com populações estruturadas espacialmente devem investigar rotineiramente o contexto local. Eles sustentam que assumir a intercambiabilidade condicional entre indivíduos em contextos geográficos vastamente diferentes (por exemplo, centro de Londres vs. Peak District) é frequentemente incorreto.

O estudo conclui que, embora modelos de nível único ajustados para PCs genéticos sejam insuficientes, a inclusão do contexto local via modelagem multinível oferece um mecanismo para inferir sobre estruturas causais complexas e mitigar o viés. Os autores recomendam que tais análises de sensibilidade informadas geograficamente se tornem uma prática padrão no campo para prevenir a atribuição equivocada de causas genéticas a origens ambientais ou sociais a montante.