Triangulation of evidence to examine selection bias in lifecourse Mendelian randomization studies: an example using early life adiposity and breast cancer.

该研究通过实证分析与模拟相结合的三角验证框架，证实尽管选择偏倚可能影响孟德尔随机化估计，但合理的偏倚机制不足以完全解释早期生命期脂肪量对乳腺癌风险的保护性效应，从而支持了二者之间存在因果关系的结论。

要点

这篇文章主要是在探讨一个有趣的科学谜题：为什么小时候比较胖，长大后反而得乳腺癌的风险更低？

科学家们之前通过一种叫“孟德尔随机化”（Mendelian Randomization）的高级统计方法发现，小时候身体较胖的人，成年后患乳腺癌的概率确实较低。这听起来有点反直觉，因为通常我们认为肥胖对健康不好。

但是，有一些批评者提出了质疑。他们说：“等等，这可能不是真的因果关系，而是样本选择偏差（Selection Bias）造成的假象。”

为了让你更容易理解，我们可以用几个生动的比喻来解释这篇文章是如何像侦探一样，通过“三角验证”（Triangulation）来破解这个谜团的。

1. 核心谜题：是“真保护”还是“假象”？

• 现象：数据显示，小时候胖的人，成年后得乳腺癌少。
• 质疑者的观点（选择偏差）：
  想象一下，你在一所只有“幸存者”的俱乐部里做调查。
  • 如果小时候胖的人，因为某些原因（比如更容易在成年前生病去世，或者因为太胖而不愿意参加调查），导致他们根本没机会活到成年或者没来参加研究。
  • 那么，最后留在研究里的那些“小时候胖”的人，可能是一群特别强壮、基因特别好的“幸存者”。
  • 这就好比你在调查“为什么坐飞机的人都很健康”，结果发现是因为那些身体不好的人根本不敢坐飞机，或者在登机前就晕倒了。如果你只看上了飞机的人，就会错误地认为“坐飞机让人健康”。
  • 批评者认为，乳腺癌研究里的“保护效应”可能就是这样：那些小时候胖但容易得乳腺癌的人，可能在被调查前就“消失”了（因为其他原因去世或没参与），导致剩下的样本看起来像是“胖能防癌”。

2. 科学家的“三角验证”侦探行动

这篇文章的作者们没有直接反驳，而是像侦探一样，用了三种不同的方法（三角验证）来测试这个“假象”理论是否站得住脚。

第一招：家庭 DNA 侦探（代理基因分析）

• 比喻：想象你在查案，但嫌疑人（父母）不在场，你只能查他们的孩子（子女）的 DNA 来推断。
• 操作：批评者说，如果看子女的数据，效果会变弱，这证明了有偏差。
• 作者的反驳：作者们用计算机模拟了一个“没有偏差”的虚拟世界。他们发现，即使没有任何偏差，仅仅因为用孩子的基因去推测父母的基因（就像用复印件去推测原件），效果本身就会变弱。
• 结论：这种“变弱”是数学规律导致的，不需要“选择偏差”来解释。所以，这一招不能证明有假象。

第二招：长寿测试（父母生存分析）

• 比喻：如果“小时候胖”真的会导致人早死（从而产生选择偏差），那么那些小时候胖的人，他们的父母应该也更容易早死。
• 操作：作者们分析了父母的寿命数据。
• 发现：数据显示，成年后胖确实会让父母寿命变短（因为成年肥胖危害大），但是小时候胖对父母寿命几乎没有影响。
• 结论：既然小时候胖并没有让人“早死”或“消失”，那么“因为早死导致样本偏差”这个理由就不成立了。

第三招：超级计算机模拟（压力测试）

• 比喻：这是最精彩的部分。作者们建立了一个巨大的虚拟世界，在这个世界里，“小时候胖”和“得乳腺癌”之间完全没有因果关系（设定为 0）。然后，他们在这个虚拟世界里人为地制造各种极端的“选择偏差”（比如：只让瘦子参加调查，或者让胖子和得病的人同时消失）。
• 操作：他们尝试了 78 万多种极端情况，看看能不能模拟出真实研究中看到的那个“保护效应”。
• 发现：
  • 即使他们把偏差设置得比现实中夸张得多（比如让 99% 的胖人都“消失”），模拟出来的结果也无法完全复制真实研究中看到的那个强烈的“保护效果”。
  • 特别是，真实研究中有一个独特的模式：小时候胖有保护作用，但成年后胖的保护作用在调整后会消失。在模拟的偏差世界里，无论怎么调，都无法同时重现这种复杂的模式。
• 结论：除非发生极其荒谬、现实中不可能存在的偏差，否则单靠“选择偏差”是解释不了这个现象的。

3. 最终结论

这篇文章告诉我们：

虽然“选择偏差”确实存在，也确实会干扰科学研究，但在这个具体的案例中（小时候胖与乳腺癌的关系），这种偏差不足以解释观察到的结果。

作者们认为，“小时候胖能降低乳腺癌风险”很可能是一个真实的因果效应。

为什么会这样呢？
文章最后给出了一个合理的生物学解释：小时候胖可能会改变女性体内的激素水平，或者让乳腺组织在发育早期就“定型”了（比如乳腺密度降低），这种早期的生理改变，就像给乳腺穿上了一层“防弹衣”，从而在几十年后降低了患癌风险。

总结

这就好比有人怀疑“吃某种水果能长寿”是假象，因为“吃水果的人通常更有钱，所以活得久”。但这篇论文通过家庭调查、寿命统计和超级模拟，证明了：即使排除了所有可能的“假象”干扰，这种保护作用依然存在。 所以，我们可以更有信心地相信，童年时期的身体状态确实对成年后的健康有着深远且真实的影响。

技术摘要

这是一份关于该预印本论文的详细技术总结，涵盖了研究问题、方法论、关键贡献、主要结果及研究意义。

论文标题

证据三角化（Triangulation of evidence）用于检验生命周期孟德尔随机化（MR）研究中的选择偏倚：以早期生命脂肪堆积与乳腺癌为例

1. 研究背景与问题 (Problem)

• 核心现象： 大量观察性研究和孟德尔随机化（MR）研究一致表明，早期生命（儿童期）较高的脂肪堆积（adiposity）与成年后较低的乳腺癌风险之间存在负相关（即保护作用）。
• 争议焦点： 尽管 MR 旨在减少混杂和反向因果，但批评者提出，这种观察到的“保护性效应”可能是由选择偏倚（Selection Bias），特别是**碰撞分层偏倚（Collider Stratification Bias）**引起的。
  • 机制假设： 如果研究样本的选择（如参与 UK Biobank 或生存至招募年龄）同时受到儿童期体型和乳腺癌风险（或其决定因素）的影响，那么在条件于选择变量后，即使没有真实的因果效应，也会产生虚假的负相关。
• 研究目标： 本文旨在通过“证据三角化”（Triangulation）框架，结合实证分析和模拟研究，评估选择偏倚是否足以解释早期生命脂肪堆积对乳腺癌风险的观察到的保护性效应。

2. 方法论 (Methodology)

作者采用了三种互补的方法来评估选择偏倚的影响：

A. 代理基因型 MR 分析与家庭模拟 (Proxy-genotype MR & Family-based Simulation)

• 背景： 先前的研究指出，在亲属（如兄弟姐妹、母亲）中使用代理基因型（offspring genotype as proxy for parental genotype）分析时，儿童期体型与乳腺癌的关联会减弱。批评者认为这证明了选择偏倚的存在。
• 方法：
  1. 重新进行了基于汇总数据的 MR 分析，比较了自身（self）、兄弟姐妹（sibling）和母亲（mother）的估计值。
  2. 构建了家庭基础模拟（Family-based simulation），在无选择偏倚的假设下，模拟相同的因果效应。
• 目的： 验证在没有选择偏倚的情况下，仅凭遗传传递和测量稀释（measurement dilution），是否能重现观察到的估计值衰减模式。

B. 多变量 MR 分析父母生存率 (Multivariable MR of Parental Survival)

• 背景： 另一种批评认为，儿童期体型可能通过影响生存率（在招募前死亡）引入偏倚。
• 方法： 利用 UK Biobank 数据，使用多变量 MR 分析，以子女基因型作为父母基因型的代理，评估儿童期和成年期体型对父母生存率的独立影响。
• 目的： 确定生存相关的选择是否主要由儿童期体型驱动，还是由成年期体型驱动。如果选择主要由成年期体型驱动，则儿童期体型的保护性效应不太可能是生存偏倚的结果。

C. 大规模模拟研究 (Extensive Simulations under Null Model)

• 设计： 在零因果模型（Sharp Null Model）下生成数据（即假设儿童期和成年期体型对乳腺癌无真实因果效应）。
• 变量设置：
  • 模拟了儿童期（$X_1$）和成年期（$X_2$）体型，以及乳腺癌状态（$Y$）。
  • 引入未测量的混杂因子（$U$）。
  • 选择机制（$S$）： 模拟了三种选择场景：无选择、加法选择（Additive selection）、交互驱动选择（Interaction-driven selection）。选择概率取决于体型和乳腺癌状态。
  • 参数范围： 涵盖了从经验观察值到极端情况（如严重的病例低估），以进行“压力测试”。
• 分析： 在模拟样本中进行单变量和多变量 MR 分析，观察选择偏倚能否产生与实证数据（logOR = -0.53）相匹配的估计值模式。

3. 关键贡献 (Key Contributions)

• 方法论创新： 提出了一个综合的“证据三角化”框架，不仅依赖单一方法，而是结合代理基因型分析、生存分析模拟和极端参数模拟，系统性地评估选择偏倚的可行性。
• 澄清代理基因型衰减： 证明了亲属间 MR 估计值的衰减可以通过遗传稀释和测量误差解释，无需引入选择偏倚假设。
• 量化偏倚上限： 通过极端参数模拟，量化了即使在选择偏倚最极端的情况下，其产生的偏倚幅度仍不足以解释观察到的强保护性效应。
• 区分生命周期效应： 明确了选择偏倚通常作用于驱动选择的那个生命阶段（如成年期体型驱动的选择主要扭曲成年期估计值），而非随机地扭曲所有阶段。

4. 主要结果 (Results)

• 代理基因型分析： 模拟显示，在无选择偏倚的情况下，仅凭遗传传递机制即可重现“自身估计值强于亲属估计值”的衰减模式。这表明该模式不是选择偏倚的证据。
• 父母生存分析： 多变量 MR 结果显示，父母生存率的差异主要由成年期体型驱动，而非儿童期体型。在调整成年期体型后，儿童期体型的效应完全衰减。这表明生存相关的选择不太可能通过儿童期体型产生虚假的保护性效应。
• 模拟研究结果：
  • 加法选择： 产生的偏倚极小。
  • 交互驱动选择： 随着交互作用强度增加，负向偏倚增大，但即使在极端参数（远超经验观察值）和强混杂下，模拟出的儿童期 MR 估计值（logOR）仍小于实证观察值（-0.53）。
  • 选择驱动源： 当选择仅通过成年期体型发生时，偏倚主要集中在成年期估计值上，儿童期估计值仍接近零。
  • 联合模式匹配： 在 781,250 种模拟场景中，没有任何一种场景能同时复现实证数据中单变量和多变量 MR 的联合估计模式（即儿童期强保护、成年期效应减弱或消失的模式）。

5. 研究意义与结论 (Significance & Conclusions)

• 结论： 虽然选择偏倚确实会影响 MR 估计，但本文的证据表明，** plausible（合理的）选择机制不太可能完全解释**早期生命脂肪堆积对乳腺癌风险的观察到的保护性效应。
• 因果推断支持： 研究结果支持早期生命脂肪堆积对乳腺癌具有真实的因果保护作用这一解释。
• 生物学机制： 这种保护效应可能与早期脂肪堆积导致的成年后循环性激素水平差异和乳腺密度降低有关。
• 方法论启示： 该研究强调了在评估生命周期 MR 中的偏倚时，使用多种互补方法（三角化）的重要性，而不是简单地假设观察到的关联是偏倚的产物。

总结： 该论文通过严谨的模拟和实证分析，有力地反驳了“早期生命脂肪堆积与乳腺癌的负相关完全是选择偏倚产物”的质疑，为理解早期生命暴露对成年疾病风险的因果影响提供了稳健的方法学支持。