[논문 리뷰] Weak-Instrument Robust Tests in Two-Sample Summary-Data Mendelian Randomization

Sheng Wang, Hyunseung Kang|arXiv (Cornell University)|2019. 09. 16.

Advanced Causal Inference Techniques참고 문헌 12인용 수 4

한 줄 요약

이 논문은 경제학적 방법(Anderson-Rubin, Kleibergen, 및 조건부 우도비험검정)을 요약통계로 확장하여 이종요약자료 메타분석을 위한 약한 기초검정이 있는 검정—mrAR, mrK, mrCLR—을 제안한다. 제안된 검정들은 약한 기초검정 하에서도 정확한 크기와 커버리지를 유지하며, mrCLR는 필요에 따라 무한대 구간을 생성함으로써 Dufour(1997)의 타당한 신뢰구간을 위한 필수 조건을 유일하게 충족한다. 시뮬레이션 및 실증 연구에서 기존 방법보다 뛰어난 성능을 보였다.

ABSTRACT

Mendelian randomization (MR) has been a popular method in genetic epidemiology to estimate the effect of an exposure on an outcome using genetic variants as instrumental variables (IV), with two-sample summary-data MR being the most popular. Unfortunately, instruments in MR studies are often weakly associated with the exposure, which can bias effect estimates and inflate Type I errors. In this work, we propose test statistics that are robust under weak instrument asymptotics by extending the Anderson-Rubin, Kleibergen, and the conditional likelihood ratio test in econometrics to two-sample summary-data MR. We also use the proposed Anderson-Rubin test to develop a point estimator and to detect invalid instruments. We conclude with a simulation and an empirical study and show that the proposed tests control size and have better power than existing methods with weak instruments.

연구 동기 및 목표

• 개인정보가 이용 가능한 이종요약자료 메타분석에서 약한 기초검정 문제를 해결함으로써 효과 추정치의 편향과 I형 오류 비율의 증가를 방지하기 위해.
• 개인정보가 이용 가능한 이종요약자료 설정에서 기초검정이 약할 경우에도 유효한 추론이 가능하도록, Anderson-Rubin, Kleibergen, 및 조건부 우도비험검정과 같은 약한 기초검정에 강건한 경제학적 검정을 확장하기 위해.
• 기초검정이 노출과 약하게 연관되어 있을 경우에도 정확한 크기와 커버리지를 유지함으로써 타당한 추론을 보장하기 위해.
• mrAR 통계량을 이용해 잘못된 기초검정을 위한 점추정량과 검정을 개발함으로써, 복잡성과 오용에 대한 강건성을 향상시키기 위해.
• 기초검정 강도가 불확실한 상황에서 실제 메타분석에 적용할 수 있는 실용적 권고 사항을 제공하기 위해.

제안 방법

• 최근의 이종요약통계에 관한 연구를 활용하여, 경제학에서의 Anderson-Rubin(AR), Kleibergen(K), 및 조건부 우도비험검정( CLR)을 이종요약자료 메타분석에 확장함.
• 약한 기초검정 점근적 기준 하에서 渐近적으로 타당한 검정통계량—mrAR, mrK, mrCLR—을 유도함으로써, I형 오류 비율을 정확히 제어함.
• mrAR 검정통계량을 이용해 점추정량과 잘못된 기초검정을 검출하는 검정을 구성함. 이는 MR-Egger에서의 Q 통계량과 유사하게, 복잡성 탐지에 기여함.
• 기초검정 강도가 약할 경우 무한대 간격을 허용함으로써, mrCLR의 신뢰구간이 Dufour(1997)의 타당한 추론을 위한 필수 조건을 충족함.
• 시뮬레이션 데이터와 실제 메타분석 데이터셋(예: Zhao 등, 2020의 복제)에 검정을 적용하여, 기초검정 강도와 잘못된 기초검정이 다양한 조건에서의 성능을 평가함.
• 기초검정 간 상관관계가 알려지지 않은 상황에서의 강건성을 평가하고, 상관관계가 존재할 경우 보수적인 분석을 권고함.

실험 결과

연구 질문

• RQ1 개인정보가 이용 가능한 이종요약자료 메타분석에서, 약한 기초검정에 강건한 경제학적 검정이 성공적으로 적용될 수 있는가?
• RQ2 제안된 mrAR, mrK, mrCLR 검정은 약한 기초검정 점근적 기준 하에서도 정확한 크기와 커버리지를 유지하는가?
• RQ3 mrAR 검정은 MR-Egger의 Q 통계량과 유사하게 잘못된 기초검정(예: 복잡성)을 탐지할 수 있는가?
• RQ4 mrCLR는 필요에 따라 무한대 간격을 생성함으로써 Dufour(1997)의 타당한 신뢰구간을 위한 필수 조건을 충족하는가?
• RQ5 약한 기초검정 하에서 IVW, MR-Egger, 가중중앙값 추정량과 같은 기존 방법과 비교해, 제안된 검정의 검정력과 커버리지는 어떻게 되는가?

주요 결과

• 제안된 mrAR, mrK, mrCLR 검정은 약한 기초검정 조건을 포함한 모든 시나리오에서 정확한 크기와 95% 커버리지를 유지하는 반면, IVW 및 MR-Egger와 같은 기존 방법은 커버리지 과잉을 겪는다.
• mrCLR는 기초검정이 약할 경우 약 95%의 비율로 무한대 간격을 생성함으로써 Dufour(1997)의 타당한 신뢰구간을 위한 필수 조건을 유일하게 충족하며, 이는 강건한 커버리지를 보장한다.
• 시뮬레이션 결과, mrCLR는 복잡성이 증명되지 않을 경우 다른 약한 기초검정에 강건한 방법들보다 검정력과 커버리지 면에서 뛰어난 성능을 보였다.
• mrAR 검정은 시뮬레이션과 실증 데이터 모두에서 잘못된 기초검정을 성공적으로 탐지하였으며, MR-Egger의 Q 통계량과 유사한 성능을 보여, 기초검정 유효성 사전 점검이 가능했다.
• 기초검정이 잘못되었거나 강한 직접효과를 가졌을 경우, mrK 및 mrCLR는 잘못된 기초검정의 수와 크기가 증가함에 따라 점차 편향이 증가했지만, 표준 방법보다 더 강건한 성능을 보였다.
• Zhao 등(2020)의 실증 복제 결과, mrCLR 및 mrK의 신뢰구간은 강건한 손실 함수를 사용한 MR-RAPS와 유사한 결과를 보였으며, 이는 일관성과 실용적 유용성을 시사한다.