通过部分和统计和样本分割策略进行高维因果调解分析在成像遗传学应用中的成像遗传学应用

科学领域:

• 生物统计学 生物统计学
• 遗传学 是一个遗传学.
• 医疗成像医学成像

背景情况:

• 因果调解分析对于理解暴露与结果关系至关重要.
• 高维欧米和成像数据对现有的调解方法构成挑战,包括违反因果假设和变量选择中的困难.
• 调解员往往具有高度的相关性,这使得识别和优先考虑重要的调解员变得复杂.

研究的目的:

• 开发一个强大的框架,用于高维的因果调解分析,解决现有方法的局限性.
• 引入一种满足因果假设,执行可解释变量选择,并优先考虑调解者的方法.
• 应用开发的方法来识别慢性阻塞性肺病 (COPD) 中介因素.

主要方法:

• 开发了部分总和统计和样本分割策略 (PS5) 框架,用于高维因果调解分析.
• PS5包含一个全球调解测试,它坚持因果假设.
• 在PS5中的算法选择和优先考虑活跃的调解者,量化个人贡献.

主要成果:

• 模拟表明PS5的精确的I型错误控制,增强的统计能力,减少中介效应估计的偏差.
• 在效果大小,稀疏性和相关性等各种场景中,PS5有效地选择和优先考虑调解者.
• 对COPDGene研究的应用揭示了右下肺叶区域在遗传风险/吸烟和肺功能之间的关联中起着重要的调解作用.

结论:

• PS5为高维因果调解分析提供了一种强大且统计学上合理的方法.
• 该方法成功地确定了介导COPD发展的特定肺部图像区域.
• 研究结果表明,针对已确定的右下肺叶区域可能是减轻遗传和环境因素导致的COPD严重程度的策略.