Randomizzazione mendeliana

Abbozzo medicina
Questa voce sugli argomenti medicina e statistica è solo un abbozzo.
Contribuisci a migliorarla secondo le convenzioni di Wikipedia. Segui i suggerimenti dei progetti di riferimento 1, 2.
Abbozzo statistica

La randomizzazione mendeliana o (MR), in epidemiologia, è un metodo che utilizza la variazione misurata nei geni per esaminare l'effetto causale di un'esposizione su un risultato.

Sulla base dei presupposti chiave, il disegno riduce sia la causalità inversa che i fattori di confondimento, che spesso ostacolano o fuorviano sostanzialmente l’interpretazione dei risultati degli studi epidemiologici.[1]

Grafico aciclico diretto: che tradizionalmente viene utilizzato per rappresentare il quadro di randomizzazione mendeliana e le sue ipotesi fondamentali. Z {\displaystyle Z} sono le varianti genetiche, X {\displaystyle X} è l'esposizione, Y {\displaystyle Y} è il risultato di interesse, e U {\displaystyle U} sono possibili fattori di confondimento.

Il metodo di randomizzazione mendeliana si basa su due principi derivati dal lavoro originale di Gregor Mendel sull'eredità genetica.

Caratteristiche

La randomizzazione mendeliana può essere considerata analogo ad un RCT in natura. La randomizzazione mendeliana è fondamentalmente un metodo di stima delle variabili strumentali proveniente dall'Econometria. Il metodo utilizza le proprietà della variazione genetica germinale (solitamente sotto forma di polimorfismi a singolo nucleotide o SNP) i quali possono essere fortemente associate a una presunta esposizione, diventando un "proxy" o uno "strumento" per tale esposizione, ciò allo scopo di testare e stimare un effetto causale dell'esposizione sui dati osservati per un risultato di interesse. Va osservato che il genotipo deve influenzare lo stato della malattia solo indirettamente attraverso il suo effetto sull'esposizione considerata in esame; ad esempio, l'aumento del colesterolo nel sangue.[2]

Definizione

La randomizzazione mendeliana richiede tre ipotesi fondamentali sulle variabili strumentali,[3] esse sono:

a) Le varianti genetiche utilizzate come strumento per l'esposizione sono associate all'esposizione.

  • Questo è noto come presupposto della “rilevanza”.

b) Non esistono cause comuni (vale a dire fattori confondenti) della/e variante/i genetica/i e dell'esito di interesse.

  • Questo è noto come presupposto di “indipendenza” o “scambiabilità”.

c) Non esiste un percorso indipendente tra la/e variante/i genetica/e e il risultato se non attraverso l’esposizione.

  • Questo è noto come presupposto della "restrizione di esclusione" o "nessuna pleiotropia orizzontale".

Applicazioni

Uno dei campi più promettenti per l'utilizzo delle tecniche MR, è quello della scoperta di nuove indicazioni a farmaci noti.[4]

Note

  1. ^ vol. 103, DOI:10.3945/ajcn.115.118216, PMID 26961927, https://oadoi.org/10.3945/ajcn.115.118216. Parametro titolo vuoto o mancante (aiuto)
  2. ^ M. B. Katan, Apolipoprotein E isoforms, serum cholesterol, and cancer, in Lancet (London, England), vol. 1, n. 8479, 1º marzo 1986, pp. 507–508, DOI:10.1016/s0140-6736(86)92972-7, ISSN 0140-6736 (WC · ACNP), PMID 2869248.
  3. ^ MR Dictionary, https://mr-dictionary.mrcieu.ac.uk/ Titolo mancante per url url (aiuto).
  4. ^ Interleukin-6 Receptor Mendelian Randomisation Analysis (IL6R MR) Consortium, Daniel I. Swerdlow, Michael V. Holmes, Karoline B. Kuchenbaecker, Jorgen E. L. Engmann, Tina Shah, Reecha Sofat, Yiran Guo, Christina Chung, Anne Peasey, Roman Pfister, Simon P. Mooijaart, Helen A. Ireland, Maarten Leusink, Claudia Langenberg, Ka Wah Li, Jutta Palmen, Philip Howard, Jackie A. Cooper, Fotios Drenos, John Hardy, Michael A. Nalls, Yun Rose Li, Gordon Lowe, Marlene Stewart, Suzette J. Bielinski, Julian Peto, Nicholas J. Timpson, John Gallacher, Malcolm Dunlop, Richard Houlston, Ian Tomlinson, Ioanna Tzoulaki, Jian'an Luan, Jolanda M. A. Boer, Nita G. Forouhi, N. Charlotte Onland-Moret, Yvonne T. van der Schouw, Renate B. Schnabel, Jaroslav A. Hubacek, Ruzena Kubinova, Migle Baceviciene, Abdonas Tamosiunas, Andrzej Pajak, Roman Topor-Madry, Sofia Malyutina, Damiano Baldassarre, Bengt Sennblad, Elena Tremoli, Ulf de Faire, Luigi Ferrucci, Stefania Bandenelli, Toshiko Tanaka, James F. Meschia, Andrew Singleton, Gerjan Navis, Irene Mateo Leach, Stephan J. L. Bakker, Ron T. Gansevoort, Ian Ford, Stephen E. Epstein, Mary Susan Burnett, Joe M. Devaney, J. Wouter Jukema, Rudi G. J. Westendorp, Gert Jan de Borst, Yolanda van der Graaf, Pim A. de Jong, Anke-Hilse Mailand-van der Zee, Olaf H. Klungel, Anthonius de Boer, Pieter A. Doevendans, Jeffrey W. Stephens, Charles B. Eaton, Jennifer G. Robinson, JoAnn E. Manson, F. Gerry Fowkes, Timonthy M. Frayling, Jackie F. Price, Peter H. Whincup, Richard W. Morris, Debbie A. Lawlor, George Davey Smith, Yoav Ben-Shlomo, Susan Redline, Leslie A. Lange, Meena Kumari, Nick J. Wareham, W. M. Monique Verschuren, Emelia J. Benjamin, John C. Whittaker, Anders Hamsten, Frank Dudbridge, J. A. Chris Delaney, Andrew Wong, Diana Kuh, Rebecca Hardy, Berta Almoguera Castillo e John J. Connolly, The interleukin-6 receptor as a target for prevention of coronary heart disease: a mendelian randomisation analysis, in Lancet (London, England), vol. 379, n. 9822, 31 marzo 2012, pp. 1214–1224, DOI:10.1016/S0140-6736(12)60110-X, ISSN 1474-547X (WC · ACNP), PMC 3316968, PMID 22421340.

Bibliografia

  • George Davey Smith, Shah Ebrahim, Sarah Lewis, Anna L. Hansell, Lyle J. Palmer e Paul R. Burton, Genetic epidemiology and public health: hope, hype, and future prospects, in Lancet (London, England), vol. 366, n. 9495, 2005 Oct 22, pp. 1484–1498, DOI:10.1016/S0140-6736(05)67601-5, ISSN 1474-547X (WC · ACNP), PMID 16243094.
  • Veronika W. Skrivankova, Rebecca C. Richmond, Benjamin A. R. Woolf, Neil M. Davies, Sonja A. Swanson, Tyler J. VanderWeele, Nicholas J. Timpson, Julian P. T. Higgins, Niki Dimou, Claudia Langenberg, Elizabeth W. Loder, Robert M. Golub, Matthias Egger, George Davey Smith e J. Brent Richards, Strengthening the reporting of observational studies in epidemiology using mendelian randomisation (STROBE-MR): explanation and elaboration, in BMJ (Clinical research ed.), vol. 375, 26 ottobre 2021, p. n2233, DOI:10.1136/bmj.n2233, ISSN 1756-1833 (WC · ACNP), PMC 8546498, PMID 34702754.
  • George Davey Smith e Shah Ebrahim, What can mendelian randomisation tell us about modifiable behavioural and environmental exposures?, in BMJ (Clinical research ed.), vol. 330, n. 7499, 7 maggio 2005, pp. 1076–1079, DOI:10.1136/bmj.330.7499.1076, ISSN 1756-1833 (WC · ACNP), PMC 557238, PMID 15879400.
  • R. M. Maier, P. M. Visscher, M. R. Robinson e N. R. Wray, Embracing polygenicity: a review of methods and tools for psychiatric genetics research, in Psychological Medicine, vol. 48, n. 7, 2018, pp. 1055–1067, DOI:10.1017/S0033291717002318, ISSN 1469-8978 (WC · ACNP), PMC 6088780, PMID 28847336.

Collegamenti esterni

  • New Explainer: Making sense of Mendelian randomisation and its use in health research, su University of Bristol, 12 gennaio 2023. URL consultato il 5 gennaio 2024.
  • Mendelian Randomization: A Perfect Causal Epidemiologic Approach to Simulate a Randomized Trial? Epidemiologic Inquiry 2006, 1: 16
  • G. Davey Smith (2006). Capitalising on Mendelian randomization to assess the effects of treatments. James Lind Library.
  • PHOEBE Biostatistics Group (2007) Mendelian randomisation: Inferring causality in observational epidemiology Archiviato il 14 giugno 2008 in Internet Archive.
  • "A 2 Minute Primer on Mendelian Randomization" (Davey Smith)