Diterbitkan | Terakhir diperbarui
Apa itu Randomisasi Mendel?
Randomisasi Mendel adalah cara menggunakan variasi genetik yang diwariskan untuk menanyakan apakah paparan yang dapat dimodifikasi, seperti kolesterol LDL, menyebabkan hasil seperti penyakit arteri koroner. Metode ini didasarkan pada hukum pewarisan Mendel dan estimasi variabel instrumental, yang memungkinkan untuk memperkirakan efek kausal bahkan ketika beberapa faktor pengganggu tidak pernah diukur. 5 Argumen awalnya adalah bahwa penggabungan gen secara acak dari orang tua ke keturunan pada pembentukan gamet dan pembuahan berarti polimorfisme yang meniru hubungan biologis dengan paparan umumnya tidak rentan terhadap kausalitas terbalik atau pengganggu yang mendistorsi studi observasional konvensional. 1
Sederhananya: jika suatu varian yang memengaruhi paparan seperti kolesterol LDL ditetapkan secara kebetulan, membandingkan orang dengan dan tanpa varian tersebut seperti membandingkan dua kelompok dari hasil lemparan koin, dengan syarat varian tersebut hanya memengaruhi hasil melalui paparan tersebut.
Setiap analisis dibangun dari tiga bagian yang saling terkait.
- Instrumen tersebut. Satu atau lebih varian genetik yang terkait dengan paparan tersebut.
- Paparan tersebut. Faktor risiko yang dapat dimodifikasi yang sedang diteliti, misalnya kolesterol LDL.
- Hasilnya. Penyakit atau ciri yang menjadi perhatian, misalnya penyakit arteri koroner.
Metode ini memiliki keterbatasan yang telah disebutkan dalam tinjauan sebelumnya: adanya bias akibat polimorfisme yang berada dalam ketidakseimbangan tautan dengan varian tersebut, polimorfisme dengan beberapa efek fenotipik, kurangnya polimorfisme yang sesuai untuk banyak paparan, dan kanalisasi, yaitu penyeimbangan efek genetik selama perkembangan. 1
Tiga Asumsi Inti di Balik Setiap Studi Randomisasi Mendel
Butir 5 STROBE-MR meminta penulis untuk menyatakan secara eksplisit tiga asumsi variabel instrumental inti untuk analisis utama, bersama dengan asumsi analisis tambahan atau analisis sensitivitas apa pun. Butir 7 meminta mereka untuk menjelaskan metode atau pengetahuan sebelumnya yang digunakan untuk menilai asumsi tersebut. 3
Geser ke samping untuk melihat semua kolom.
| Anggapan | Sederhananya | Bagaimana hal itu diselidiki |
|---|---|---|
| hubungan | Varian tersebut terkait dengan paparan. | Laporkan varians yang dijelaskan (R²) dan, khususnya dalam pengaturan satu sampel, statistik F sebagai ukuran kekuatan instrumen.6 |
| Kemerdekaan | Varian tersebut tidak terkait dengan hasil melalui jalur pengganggu. | Validitas bergantung pada independensi dari faktor pengganggu di tingkat populasi; analisis dalam keluarga merupakan pilihan jika data dan kekuatan statistik memungkinkan.6 |
| Pembatasan pengecualian | Varian tersebut tidak memengaruhi hasil akhir kecuali mungkin melalui paparan. | Pemeriksaan pleiotropi: MR-Egger, median tertimbang, statistik heterogenitas, dan metode outlier, dibahas di bawah ini. |
Asumsi-asumsi tersebut sama dengan yang dicantumkan Burgess dan rekan-rekannya dalam pedoman mereka: varian tersebut terkait dengan paparan, tidak terkait dengan hasil karena jalur pengganggu, dan tidak memengaruhi hasil kecuali berpotensi melalui paparan. 6
Instrumen yang lemah
Instrumen yang lemah membiaskan estimasi ke arah asosiasi observasional yang dikacaukan, dan besarnya bias bergantung pada statistik F. Burgess dan Thompson juga menunjukkan bahwa aturan praktis yang umum dikutip bahwa F di atas 10 menghindari bias adalah menyesatkan. 7 Dalam simulasi dengan varian yang tidak berkorelasi dan data yang diringkas, Burgess dan rekan-rekannya menemukan bahwa bias instrumen lemah kecil ketika setiap varian memiliki nilai P di bawah 0.00001 untuk asosiasinya dengan faktor risiko. 8 Artikel pendamping kami tentang pendekatan variabel instrumental membahas logika umum di luar genetika.
Desain Satu Sampel, Dua Sampel, dan Multivariabel, serta Estimatornya
Dalam analisis satu sampel, data tentang faktor risiko dan hasil berasal dari satu sumber. Dalam analisis dua sampel, data tersebut berasal dari kumpulan data yang tidak tumpang tindih. 9 Data ringkasan publik membuat analisis dua sampel transparan, karena pihak ketiga dengan data yang sama dapat mereproduksinya, sementara data tingkat individu dalam pengaturan satu sampel diperlukan untuk menyelidiki efek non-linier. 6 Bias instrumen lemah juga berbeda: dalam pengaturan satu sampel, bias tersebut cenderung ke arah asosiasi yang dikacaukan, dan dalam pengaturan dua sampel tanpa tumpang tindih, bias tersebut cenderung ke arah nol. 6
Beberapa estimator biasanya dijalankan secara berdampingan.
- Pembobotan varians terbalik (IVW) adalah metode yang paling umum digunakan dengan berbagai varian. Metode ini paling efisien, tetapi bias jika efek pleiotropik rata-rata berbeda dari nol.6 Hal ini dapat diperoleh dari data yang dirangkum sebagai rata-rata tertimbang varians terbalik dari asosiasi spesifik varian.8
- Regresi MR-Egger menggunakan kemiringan sebagai estimasi kausal dan intersep sebagai efek pleiotropik rata-rata. Metode ini memungkinkan setiap varian bersifat pleiotropik tetapi membutuhkan asumsi InSIDE, dan seringkali kurang efisien.10,6
- Median tertimbang tetap konsisten bahkan ketika hingga 50% informasi berasal dari instrumen yang tidak valid.4
- MR multivariabel menggunakan varian yang terkait dengan beberapa paparan terkait untuk memperkirakan efek setiap paparan pada satu hasil, dan dapat digunakan untuk memperkirakan mediasi dalam kerangka kerja MR.11
Untuk simulasi yang membandingkan estimator-estimator ini dengan berbagai jenis pleiotropi, lihat artikel Editverse tentang apa yang sebenarnya dilindungi oleh masing-masing dari keempat estimator tersebut.
Studi Kasus Nyata: Kolesterol HDL dan LDL serta Penyakit Arteri Koroner
Bowden dan kolega menerbitkan makalah akses terbuka (CC BY 4.0) yang menguji median tertimbang terhadap IVW dan MR-Egger pada data ringkasan untuk 185 varian genetik dari Do dan kolega, menggunakan asosiasi lipid dari Global Lipids Genetics Consortium dan asosiasi penyakit arteri koroner dari konsorsium CARDIoGRAM. 4 Estimasi adalah rasio odds log per 1 standar deviasi lipid yang lebih tinggi. Kami mengambil estimasi dan kesalahan standar dari Tabel 4 mereka (kolom untuk semua varian yang terkait dengan paparan pada signifikansi genom-luas) dan menghitung ulang rasio odds, interval 95%, dan nilai p di R menggunakan pendekatan normal. 4

Geser ke samping untuk melihat semua kolom.
| Penilai | Kolesterol LDL, OR (95% CI) | Kolesterol HDL, OR (95% CI) |
|---|---|---|
| Pembobotan varians terbalik | 1.62 (1.44 sampai 1.82) | 0.78 (0.68 sampai 0.89) |
| Median tertimbang | 1.58 (1.39 sampai 1.80) | 0.93 (0.81 sampai 1.07) |
| Kemiringan MR-Egger | 1.85 (1.51 sampai 2.27) | 0.99 (0.79 sampai 1.24) |
| Intersep MR-Egger (SE), dihitung p | -0.009 (0.005), p = 0.072 | -0.014 (0.005), p = 0.005 |
Kolesterol LDL memberikan jawaban yang konsisten di ketiga estimator, tanpa tanda kuat pleiotropi terarah (intersep MR-Egger p = 0.072). Untuk kolesterol HDL, interval IVW tidak termasuk 1, sedangkan interval median tertimbang dan MR-Egger termasuk 1 dan intersep MR-Egger berbeda dari nol (p = 0.005). Para penulis menyimpulkan bahwa efek kausal IVW dari kolesterol HDL diragukan. 4 Ketika mereka membatasi analisis pada varian yang asosiasi terkuatnya adalah dengan kolesterol HDL, polanya tetap sama: IVW OR 0.87 (0.77 hingga 0.99), OR median tertimbang 0.94 (0.82 hingga 1.06), OR kemiringan MR-Egger 1.10 (0.89 hingga 1.35) (dihitung oleh Editverse). 4
Apa yang ditunjukkan kasus ini: laporan IVW saja akan menyajikan kolesterol HDL sebagai faktor pelindung, dan estimator tambahan mengubah pembacaannya. Apa yang tidak ditunjukkan: bahwa kolesterol HDL tidak berpengaruh, karena median tertimbang dan interval MR-Egger lebar; atau bahwa estimator selalu benar. Kami menggambar ulang angka yang dipublikasikan dan tidak menjalankan ulang data 185 varian, yang tidak kami peroleh.
Pleiotropi, Ancaman Utama terhadap Validitas
Pleiotropi horizontal, di mana suatu varian mencapai hasil melalui jalur yang melewati paparan, melanggar batasan pengecualian. Verbanck dan rekan-rekannya mengembangkan MR-PRESSO untuk mengidentifikasi outlier pleiotropi horizontal dalam MR tingkat ringkasan multi-instrumen, dan menerapkannya pada sifat dan penyakit kompleks. Mereka menemukan pleiotropi horizontal yang terdeteksi pada lebih dari 48% hubungan kausal yang signifikan, dengan distorsi estimasi kausal yang berkisar rata-rata dari -131% hingga 201%, dan hubungan kausal positif palsu hingga 10% dari hubungan. 12 Tabel 1 dari pedoman Burgess mencatat bahwa MR-PRESSO memiliki tingkat positif palsu yang sangat tinggi ketika beberapa instrumen tidak valid, sehingga ini adalah salah satu pengecekan di antara beberapa pengecekan lainnya. 6
Analisis yang dapat dipertanggungjawabkan menjalankan beberapa pemeriksaan secara bersamaan.
- Intersep MR-Egger dan kemiringan sebagai estimasi sensitivitas.10
- Median tertimbang dan estimator kuat lainnya.4
- Heterogenitas. Pedoman tersebut merekomendasikan pelaporan statistik Cochran's Q atau I² untuk analisis poligenik.6
- Metode leave-one-out dan penyaringan Steiger. STROBE-MR mencantumkan plot "leave-one-out" di antara plot tambahan,3 dan penyaringan Steiger menghilangkan varian yang hubungannya dengan hasil lebih kuat daripada dengan paparannya.6
- Satu set varian liberal dan satu set varian konservatif. Pleiotropi umumnya lebih cenderung membiaskan estimasi menjauh dari hipotesis nol, sehingga temuan nol dalam analisis liberal merupakan bukti yang lebih meyakinkan tentang hipotesis nol yang sebenarnya.6
Tumpang Tindih Sampel dan Bias Instrumen Lemah
Banyak konsorsium besar berbagi partisipan, sehingga dataset paparan dan hasil dalam analisis dua sampel dapat tumpang tindih. Burgess dan rekan-rekannya mensimulasikan hal ini untuk hasil kontinu dan efek kausal nol: analisis satu sampel dengan bias relatif 10% (sesuai dengan parameter F sebesar 10) turun menjadi 5% dengan tumpang tindih 50% dan 3% dengan tumpang tindih 30%, karena bias merupakan fungsi linier dari proporsi tumpang tindih. 9 Butir 10d STROBE-MR meminta penulis studi dua sampel untuk melaporkan jumlah individu yang tumpang tindih antara studi paparan dan hasil. 3

Contoh Lain yang Dipublikasikan
kolesterol LDL dan penyakit jantung koroner
Ference dan rekan-rekannya menggabungkan studi randomisasi Mendel dari 9 polimorfisme dalam 6 gen, tanpa bukti heterogenitas. Dalam data yang tidak tumpang tindih dari 312,321 peserta, alokasi acak alami untuk kolesterol LDL yang lebih rendah dalam jangka panjang dikaitkan dengan pengurangan risiko penyakit jantung koroner sebesar 54.5% (95% CI 48.8% hingga 59.5%) per mmol/l kolesterol LDL yang lebih rendah, sekitar 3 kali lipat pengurangan yang terlihat selama pengobatan statin yang dimulai di kemudian hari. 13 Dengan hanya menggunakan lima varian dan data yang dirangkum, Burgess dan rekan-rekannya memperkirakan bahwa pengurangan kolesterol LDL sebesar 30% menurunkan risiko penyakit arteri koroner sebesar 67% (95% CI 54% hingga 76%). 8
Randomisasi Mendel target obat
Gagnon dan rekannya melakukan genotipe dan sekuensing RNA pada 504 sampel hati manusia dan mengidentifikasi varian (rs472495) yang menjelaskan 5.6% ekspresi PCSK9 hati untuk meniru interferensi RNA, dan menggunakan PCSK9 R46L untuk memodelkan inhibisi berbasis antibodi. Untuk setiap penurunan satu standar deviasi pada apolipoprotein B, rasio odds untuk penyakit arteri koroner masing-masing adalah 0.40 (95% CI 0.31 hingga 0.51) dan 0.48 (0.43 hingga 0.55). 14
Vitamin D
Fang dan rekan-rekannya mengumpulkan 133 publikasi randomisasi Mendel yang mencakup 275 hasil hingga September 2022. Kadar 25-hidroksivitamin D yang tinggi secara genetik dikaitkan dengan risiko lebih rendah terkena multiple sclerosis, di antara hasil lainnya, dan dengan risiko lebih tinggi untuk beberapa penyakit, seperti penyakit batu ginjal. Asosiasi multiple sclerosis konsisten di seluruh set instrumen, sementara sebagian besar lainnya hanya muncul dengan varian yang tidak terbatas pada jalur vitamin D, dan kualitas studi heterogen. 15 Zhao dan rekan-rekannya menggunakan 332,984 peserta UK Biobank, 23,089 dengan setidaknya satu penyakit autoimun, dan melaporkan rasio odds 0.95 (95% CI 0.91 hingga 0.99) per 10 ng/ml lebih tinggi 25-hidroksikolekalsiferol untuk kelompok autoinflamasi tetapi tidak untuk kelompok autoimunitas. 16
Alkohol dan penyakit pembuluh darah di Tiongkok
Millwood dan rekan-rekannya melakukan peng genotyping terhadap 161,498 peserta China Kadoorie Biobank untuk ALDH2 -rs671 dan ADH1B -rs1229984. Asupan yang dilaporkan sendiri memiliki hubungan berbentuk U dengan stroke dan infark miokard pada pria, tetapi asupan yang diprediksi berdasarkan genotipe tidak. Risiko relatif per 280 g per minggu adalah 1.58 (1.36 hingga 1.84) untuk perdarahan intraserebral, 1.27 (1.13 hingga 1.43) untuk stroke iskemik, dan 0.96 (0.78 hingga 1.18) untuk infark miokard. Para penulis menyimpulkan bahwa efek perlindungan yang tampak dari asupan alkohol moderat terhadap stroke sebagian besar bersifat non-kausal. 17
Kapan Sebaiknya Anda Menggunakan Randomisasi Mendel?
- Uji coba acak tidak mungkin dilakukan. Metode ini paling berguna ketika uji coba acak tidak dapat dilakukan dan studi observasional bias karena faktor perancu atau kausalitas terbalik.2
- Anda perlu menyelidiki target obat. MR telah diterapkan untuk memprediksi kemanjuran dan keamanan obat-obatan yang menargetkan faktor risiko kardiovaskular dan untuk mengeksplorasi penggunaan kembali obat.18
- Data ringkasan dengan ukuran yang memadai telah tersedia. Data ringkasan GWAS publik memungkinkan desain dua sampel tanpa genotipe individu.6
Metode ini kurang tepat jika tidak ada varian genetik yang dapat dibenarkan sebagai instrumen untuk paparan, karena asumsi relevansi kemudian gagal, atau ketika data yang tersedia terlalu kecil, karena studi MR seringkali memiliki daya yang rendah. 6 Jika Anda memilih antara desain genetik dan analisis survei atau registri, lihat basis data kesehatan mana yang harus digunakan studi Anda.
Cara Melakukan Studi Randomisasi Mendel
- 1Nyatakan hipotesis kausalnya. Pertanyaan STROBE-MR nomor 2 dan 3 menanyakan alasan, mengapa MR merupakan metode yang bermanfaat, dan tujuan spesifik termasuk hipotesis kausal yang telah ditentukan sebelumnya.3
- 2Pilih desain dan data. Tentukan apakah menggunakan analisis satu sampel atau dua sampel, dan data tingkat individu atau data ringkasan.6
- 3Pilih varian yang diinginkan. Pendekatan umum adalah dengan menyertakan varian yang terkait dengan paparan pada tingkat signifikansi genomik, biasanya P di bawah × 5 10-8Memilih model dari dataset yang sama dengan analisis berisiko memicu "kutukan pemenang" dan memperburuk bias instrumen yang lemah.6
- 4Harmoniskan alel. Sejajarkan alel paparan dan hasil. Untuk varian palindromik (A/T atau C/G) dengan frekuensi alel mendekati 50%, analis dapat mengabaikan varian tersebut jika orientasinya tidak dapat diverifikasi.6
- 5Lakukan analisis primer dan analisis sensitivitas. IVW sebagai estimasi utama untuk beberapa varian, kemudian estimator robust, statistik heterogenitas, dan plot.6
- 6Laporkan ke STROBE-MR. Daftar periksa ini memiliki 20 item utama dan 30 subitem, termasuk versi perangkat lunak dan paket (item 9a), status pra-registrasi (item 9b), dan berbagi data dan kode (item 19).19,3
Pernyataan STROBE-MR memperluas logika umum dari pedoman pelaporan STROBE.
Sumber Data dan Perangkat Lunak untuk Analisis MR
Deskripsi di bawah ini diambil dari halaman masing-masing sumber, sebagaimana dibaca pada tanggal 4 November 2026.
Geser ke samping untuk melihat semua kolom.
| Sumber | Apa itu | Penggunaan khas |
|---|---|---|
| OpenGWAS (MRC IEU)20 | Basis data yang berisi lebih dari 50,000 dataset ringkasan GWAS, untuk kueri atau pengunduhan. | Statistik ringkasan paparan dan hasil untuk desain dua sampel. |
| FinnGen21 | Sebuah proyek yang telah mengumpulkan dan menganalisis data genom dan kesehatan dari 500,000 donor biobank Finlandia. | Hubungan genetik antara penyakit dan hasil akhir penyakit. |
| Katalog GWAS NHGRI-EBI22 | Katalog NHGRI-EBI untuk studi asosiasi genom manusia secara menyeluruh. Bagian statistik ringkasannya menawarkan dokumentasi dan akses ke statistik ringkasan lengkap untuk studi yang tersedia. | Menemukan dan memeriksa silang hubungan antara varian dan sifat. |
| TwoSampleMR (paket R)23 | Sebuah paket R untuk MR dengan data ringkasan GWAS yang dapat memperoleh data dari OpenGWAS. | Harmonisasi, IVW, MR-Egger, median tertimbang. |
| Randomisasi Mendelian (paket R)24 | Sebuah paket CRAN yang mengkodekan beberapa metode MR untuk data yang telah diringkas. | Implementasi alternatif dari estimator inti. |
| mrpresso (paket R)6 | Tercantum dalam pedoman Burgess sebagai perangkat lunak untuk MR-PRESSO. | Deteksi outlier; lihat peringatan di atas. |
Kesalahan Umum dalam Randomisasi Mendel
- Tidak melaporkan kekuatan instrumen. Laporkan nilai R² dan statistik F, dan ingat bahwa aturan praktis F di atas 10 itu menyesatkan.6,7
- Hanya melaporkan estimasi IVW. Kasus kolesterol HDL di atas menunjukkan bagaimana satu alat estimasi saja dapat menyesatkan.4
- Mengabaikan tumpang tindih sampel. Laporkan jumlah individu yang tumpang tindih dan perkirakan bias akan bervariasi tergantung pada tingkat tumpang tindihnya.9,3
- Mencampuradukkan populasi tanpa memperhatikan keselamatan. Jika kedua sampel mewakili kelompok etnis yang berbeda, pola ketidakseimbangan keterkaitan (linkage disequilibrium) dapat berbeda, sehingga suatu varian mungkin kurang kuat terkait dengan paparan dalam kumpulan data hasil.6
- Mengartikan interval nol yang lebar sebagai tidak adanya efek. Nilai nol pada kasus HDL muncul dengan interval sekitar 0.8 hingga 1.2, yang sesuai dengan efek moderat ke arah mana pun.4
- Menggunakan bahasa kausal secara longgar. Butir 16 STROBE-MR meminta penulis untuk menggunakan bahasa kausal dengan hati-hati dan untuk mengklarifikasi bahwa estimasi mungkin memberikan efek kausal hanya di bawah asumsi tertentu.3
Randomisasi Mendel vs. Metode Inferensi Kausal Lainnya
Tabel tersebut menyatakan ciri khas dari setiap desain untuk dua masalah yang ingin diatasi oleh MR.
Geser ke samping untuk melihat semua kolom.
| metode | Perancu | Sebab akibat terbalik |
|---|---|---|
| Uji coba terkontrol secara acak | Penugasan intervensi secara acak. | Sesuai rancangannya, intervensi diberikan sebelum hasil diukur. |
| pengacakan Mendel | Berkurang jika varian tersebut independen dari faktor pengganggu.6 | Genotipe sudah tetap sejak pembuahan, sehingga umumnya tidak rentan.1 |
| Pencocokan skor kecenderungan | Saldo hanya mengukur kovariat. | Tidak ditangani dengan pencocokan berdasarkan kovariat dasar. |
| Regresi multivariabel | Hanya menyesuaikan variabel kovariat yang terukur. | Tidak ditangani oleh penyesuaian kovariat. |
Karena setiap desain memiliki sumber bias utama yang berbeda, triangulasi antar pendekatan memperkuat kepercayaan ketika pendekatan tersebut sepakat, dan MR dapat berfungsi sebagai salah satu bagiannya. 25 , 5 Untuk latar belakang terkait, lihat panduan kami tentang pencocokan skor kecenderungan dan inferensi kausal dalam epidemiologi.
Perlu Analisis Dijalankan atau Diperiksa? Konsultasikan dengan Editverse
Para ahli di Editverse bekerja sesuai dengan panduan COPE, ICMJE, dan GPP 2022, dengan mengikuti etika institusional dan spesifik negara.
Sunting terbalik
Studi Randomisasi Mendel
Apakah Anda membutuhkan studi MR dua sampel lengkap yang dibangun sesuai standar jurnal?
Anda mengirimkan: paparan Anda, hasil Anda, dan pertanyaan penyebabnya. Statistik ringkasan bersifat publik; kami memperolehnya.
Anda akan mendapatkan: studi MR dua sampel dengan kekuatan instrumen yang dikuantifikasi, penyaringan Steiger, empat estimator yang tahan terhadap pleiotropi, deteksi outlier MR-PRESSO, PheWAS instrumen dan replikasi independen, ditambah manuskrip lengkap, plot sebaran dan plot corong, kode TwoSampleMR yang dapat dijalankan, dan daftar periksa STROBE-MR.
Kapan: Anda menginginkan seluruh studi dijalankan dan didokumentasikan. 15 hari kerja.
Studi Randomisasi Mendel · $2,900
Sunting terbalik
Pemeriksaan Kelayakan
Tidak yakin apakah desain MR dapat mendukung pertanyaan Anda?
Anda mengirimkan: pertanyaan penelitian Anda.
Anda akan mendapatkan: rekomendasi tertulis mengenai apakah pertanyaan tersebut sudah terjawab, apakah data dapat mendukungnya, dan apakah Anda memiliki kekuatan yang cukup, termasuk kekuatan instrumen untuk desain randomisasi Mendel. Semua kredit akan diberikan sepenuhnya untuk studi apa pun yang Anda pesan dalam waktu enam bulan.
Kapan: Sebelum Anda berkomitmen untuk mengikuti studi. 5 hari kerja.
Penilaian Kelayakan & Protokol · $450
Sunting terbalik
Analisis Statistik
Apakah Anda sudah memiliki data dan perlu menjalankan analisis di R?
Anda mengirimkan: data Anda, pertanyaan penelitian, dan perangkat lunak pilihan Anda.
Anda akan mendapatkan: analisis statistik menggunakan perangkat lunak pilihan Anda (SPSS, R, STATA, atau SAS), dengan kode yang diberi anotasi, file output lengkap, dan panduan interpretasi.
Kapan: Anda membutuhkan hasil yang siap dipublikasikan dalam 4-6 hari kerja.
Analisis Statistik SPSS/R/STATA · $400
Alat Riset Gratis dari Editverse
- Kalkulator Ukuran Sampel dan KekuatanAnalisis kekuatan statistik untuk penelitian yang Anda rencanakan.
- Pemilih Uji Statistik: tes tersebut, asumsinya, dan apa yang harus dilaporkan.
- Alat Penelitian Gratis untuk Peneliti Medis: rangkaian lengkap alat berbasis browser.
Pertanyaan yang Sering Diajukan Tentang Randomisasi Mendel
Apakah randomisasi Mendel sama dengan uji coba terkontrol secara acak?
Tidak. Randomisasi Mendel bekerja dengan data observasional dan memperlakukan varian genetik yang diwariskan sebagai instrumen. Alel diturunkan dari orang tua ke keturunan melalui segregasi acak, yang menyerupai alokasi acak suatu perlakuan dalam uji coba dan seharusnya mengurangi bias. Estimasi ini juga didasarkan pada asumsi yang tidak dibutuhkan oleh uji coba, sehingga melengkapi bukti uji coba dan tidak menggantikannya.
Apa tiga asumsi inti dari randomisasi Mendel?
Relevansi, independensi, dan pembatasan pengecualian. Secara sederhana, varian tersebut terkait dengan paparan, tidak terkait dengan hasil melalui jalur pengganggu, dan tidak memengaruhi hasil kecuali berpotensi melalui paparan. Butir 5 STROBE-MR meminta penulis untuk menyatakan hal ini secara eksplisit.
Apakah saya memerlukan data genotipe tingkat individu untuk menjalankan randomisasi Mendel?
Tidak demikian untuk analisis dua sampel, yang dapat menggunakan ringkasan asosiasi yang dipublikasikan dari setiap varian dengan paparan dan dengan hasil. Data tingkat individu dalam pengaturan satu sampel diperlukan untuk menyelidiki efek non-linear. Keuntungan praktis dari data ringkasan publik adalah bahwa pihak ketiga dapat mereproduksi analisis tersebut.
Apa perbedaan antara randomisasi Mendel satu sampel dan dua sampel?
Dalam analisis satu sampel, data tentang faktor risiko dan hasil berasal dari satu sumber. Dalam analisis dua sampel, data tersebut berasal dari kumpulan data yang tidak tumpang tindih. Arah bias instrumen lemah berbeda: menuju asosiasi yang dikacaukan dalam pengaturan satu sampel, dan menuju nol dalam pengaturan dua sampel tanpa tumpang tindih sampel.
Mengapa melaporkan lebih dari estimasi tertimbang varians terbalik?
Karena metode pembobotan varians terbalik hanya memberikan estimasi yang konsisten jika semua varian valid atau pleiotropi seimbang. Dalam contoh lipid yang dipublikasikan di atas, rasio odds IVW untuk kolesterol HDL adalah 0.78, sedangkan median tertimbang memberikan 0.93 dan MR-Egger 0.99 dengan interval yang mencakup 1. Melaporkan beberapa estimator menunjukkan kepada pembaca apakah hasilnya bergantung pada satu metode.
Apa yang dapat saya simpulkan dari data intersepsi MR-Egger?
Dalam regresi MR-Egger, intersep memperkirakan efek pleiotropik rata-rata di seluruh varian, dan kemiringan memberikan perkiraan kausal. Intersep yang berbeda dari nol menunjukkan pleiotropi terarah. Metode ini membutuhkan asumsi InSIDE, bahwa efek pleiotropik independen dari asosiasi varian-paparan, dan seringkali kurang efisien dibandingkan estimator lainnya.
Apa yang dibutuhkan STROBE-MR?
STROBE-MR adalah pedoman pelaporan dengan 20 item utama dan 30 subitem. Contohnya termasuk menyatakan tiga asumsi variabel instrumental (item 5), menjelaskan bagaimana asumsi dinilai (item 7), melaporkan analisis sensitivitas (item 8 dan 13) dan, untuk desain dua sampel, jumlah individu yang tumpang tindih antara studi paparan dan hasil (item 10d).
Bisakah randomisasi Mendel membuktikan sebab-akibat?
Tidak dengan sendirinya. Randomisasi Mendel menguji hipotesis kausal di bawah asumsi spesifik, dan beberapa asumsi tersebut tidak dapat sepenuhnya diverifikasi. Gunakan bahasa kausal dengan hati-hati, laporkan analisis sensitivitas, dan perlakukan hasilnya sebagai salah satu bukti dalam triangulasi dengan desain lain.
Referensi
- Davey Smith G, Ebrahim S. 'Randomisasi Mendel': dapatkah epidemiologi genetik berkontribusi pada pemahaman penentu lingkungan penyakit? Jurnal Epidemiologi Internasional 2003;32(1):1-22. PMID 12689998. doi.org/10.1093/ije/dyg070
- Sekula P, Del Greco MF, Pattaro C, Kottgen A. Randomisasi Mendel sebagai pendekatan untuk menilai kausalitas menggunakan data observasional. J Am Soc Nephrol. 2016;27(11):3253-3265. PMID 27486138. doi.org/10.1681/ASN.2016010098
- Skrivankova VW, Richmond RC, Woolf BAR, dkk. Memperkuat pelaporan studi observasional dalam epidemiologi menggunakan randomisasi Mendel (STROBE-MR): penjelasan dan elaborasi. BMJ. 2021;375:n2233. Akses terbuka, CC BY 4.0. doi.org/10.1136/bmj.n2233
- Bowden J, Davey Smith G, Haycock PC, Burgess S. Estimasi konsisten dalam randomisasi Mendel dengan beberapa instrumen tidak valid menggunakan estimator median tertimbang. Epidemiologi Genetika 2016;40(4):304-314. Akses terbuka, CC BY 4.0; rasio odds, interval dan nilai p dihitung ulang oleh Editverse di R dari Tabel 4. doi.org/10.1002/gepi.21965
- Sanderson E, Glymour MM, Holmes MV, dkk. Randomisasi Mendel. Metode Tinjauan Nasional, Panduan Dasar. 2022;2:6. PMID 37325194. doi.org/10.1038/s43586-021-00092-5
- Burgess S, Davey Smith G, Davies NM, dkk. Pedoman untuk melakukan investigasi randomisasi Mendel: pembaruan untuk musim panas 2023. Selamat Datang Buka Res. 2019;4:186 (versi 3). Akses terbuka, CC BY 4.0. doi.org/10.12688/wellcomeopenres.15555.3
- Burgess S, Thompson SG. Menghindari bias dari instrumen yang lemah dalam studi randomisasi Mendel. Jurnal Epidemiologi Internasional 2011;40(3):755-764. PMID 21414999. doi.org/10.1093/ije/dyr036
- Burgess S, Butterworth A, Thompson SG. Analisis randomisasi Mendel dengan beberapa varian genetik menggunakan data yang diringkas. Epidemiologi Genetika 2013;37(7):658-665. PMID 24114802. doi.org/10.1002/gepi.21758
- Burgess S, Davies NM, Thompson SG. Bias akibat tumpang tindih partisipan dalam randomisasi Mendel dua sampel. Epidemiologi Genetika 2016;40(7):597-608. Akses terbuka, CC BY 4.0; hubungan linier diperiksa oleh Editverse di R. doi.org/10.1002/gepi.21998
- Bowden J, Davey Smith G, Burgess S. Randomisasi Mendel dengan instrumen yang tidak valid: estimasi efek dan deteksi bias melalui regresi Egger. Jurnal Epidemiologi Internasional 2015;44(2):512-525. PMID 26050253. doi.org/10.1093/ije/dyv080
- Sanderson E. Randomisasi dan mediasi Mendelian multivariabel. Cold Spring Harb Perspect Med. 2021;11(2):a038984. PMID 32341063. doi.org/10.1101/cshperspect.a038984
- Verbanck M, Chen CY, Neale B, Do R. Deteksi pleiotropi horizontal yang meluas dalam hubungan kausal yang disimpulkan dari randomisasi Mendel antara sifat kompleks dan penyakit. Nat Genet. 2018;50(5):693-698. PMID 29686387. doi.org/10.1038/s41588-018-0099-7
- Ference BA, Yoo W, Alesh I, dkk. Pengaruh paparan jangka panjang terhadap kolesterol lipoprotein densitas rendah yang lebih rendah sejak dini terhadap risiko penyakit jantung koroner: analisis randomisasi Mendelian. J Am Coll Cardiol. 2012;60(25):2631-2639. PMID 23083789. doi.org/10.1016/j.jacc.2012.09.017
- Gagnon E, Gill D, Bourgault J, dkk. Interferensi RNA versus penghambatan PCSK9 berbasis antibodi untuk pencegahan penyakit kardiovaskular: studi randomisasi Mendelian target obat. Cardiovasc Res. 2025;121(7):1066-1075. PMID 40347490. doi.org/10.1093/cvr/cvaf078
- Fang A, Zhao Y, Yang P, Zhang X, Giovannucci EL. Vitamin D dan kesehatan manusia: bukti dari studi randomisasi Mendel. Eur J Epidemiol. 2024;39(5):467-490. PMID 38214845. doi.org/10.1007/s10654-023-01075-4
- Zhao SS, Mason A, Gjekmarkaj E, Yanaoka H, Burgess S. Hubungan antara vitamin D dan penyakit autoimun: Analisis randomisasi Mendel. Semin Arthritis Rheum. 2023;62:152238. PMID 37437450. doi.org/10.1016/j.semathrit.2023.152238
- Millwood IY, Walters RG, Mei XW, dkk. Bukti konvensional dan genetik tentang alkohol dan etiologi penyakit vaskular: studi prospektif terhadap 500.000 pria dan wanita di Tiongkok. Lancet. 2019;393(10183):1831-1842. Akses terbuka, CC BY 4.0. doi.org/10.1016/S0140-6736(18)31772-0
- Larsson SC, Butterworth AS, Burgess S. Randomisasi Mendel untuk penyakit kardiovaskular: prinsip dan aplikasi. Eur Heart J. 2023;44(47):4913-4924. PMID 37935836. doi.org/10.1093/eurheartj/ehad736
- Skrivankova VW, Richmond RC, Woolf BAR, dkk. Memperkuat Pelaporan Studi Observasional dalam Epidemiologi Menggunakan Randomisasi Mendel: pernyataan STROBE-MR. JAMA. 2021;326(16):1614-1621. PMID 34698778. doi.org/10.1001/jama.2021.18236
- Unit Epidemiologi Integratif MRC. OpenGWAS (halaman utama, dibaca 4 November 2026). gwas.mrcieu.ac.uk/
- FinnGen. Halaman utama proyek (dibaca 4 November 2026). www.finngen.fi/en
- Katalog GWAS NHGRI-EBI. Halaman utama (dibaca 4 November 2026). www.ebi.ac.uk/gwas/
- Unit Epidemiologi Integratif MRC. Dokumentasi TwoSampleMR (versi 0.7.13 ditampilkan pada 4 November 2026). mrcieu.github.io/TwoSampleMR/
- CRAN. Halaman paket MendelianRandomization (versi 0.10.0, diterbitkan 2024-04-12, dibaca 4 November 2026). cran.r-project.org/package=MendelianRandomization
- Lawlor DA, Tilling K, Davey Smith G. Triangulasi dalam epidemiologi etiologi. Jurnal Epidemiologi Internasional 2016;45(6):1866-1886. PMID 28108528. doi.org/10.1093/ije/dyw314
Bacaan Terkait
- Pleiotropi dalam Randomisasi Mendel: Apa yang Sebenarnya Dilindungi oleh Masing-masing dari Keempat Estimator Tersebut?
- Instrumen Lemah dalam Randomisasi Mendel: Apa yang Sebenarnya Diberitahukan oleh Statistik F
- Mengapa Makalah tentang Randomisasi Mendel Ditolak di Meja Riset: Perhitungan Kekuatan yang Hampir Tidak Pernah Dilaporkan Siapa Pun
Tim Riset Editverse | Diperbarui November 2026
