Epidemiology — Vol 37 Issue 4 · 2026-06-24¶
- 共 1 篇 · Epidemiology
- 目录核对 ⚠️ 疑似漏 21 篇（对照 OpenAlex 24 篇）：10.1097/ede.0000000000001967、10.1097/ede.0000000000001978、10.1097/ede.0000000000001985、10.1097/ede.0000000000001952、10.1097/ede.0000000000001972 等
本期导览¶
自动生成：归纳本期主要主题与脉络，不打分、不排名。
本期仅收录一篇立场性短文，内容集中于因果推断方法学的争鸣，聚焦于非线性孟德尔随机化（NLMR）的方法论辩护。
本期核心议题围绕 NLMR 方法的有效性与假设依赖性展开。作者针对外界批评提出反驳，强调任何因果推断方法均依赖不可检验的假设，假设违反导致的偏差并非方法独有的缺陷。文中具体指出，NLMR 的 residual-stratified 方法已通过 doubly-ranked 方法得到改进，且更新后的实证结果与随机对照试验（RCT）具有一致性，主张方法评估应基于理论分析而非零星的经验反例。
该文属于因果推断方向的方法论短评，适合关注孟德尔随机化（MR）方法稳健性及假设检验逻辑的研究者阅读。
流行病学 (epidemiology, 1 篇)¶
1. 10.1097/ede.0000000000001986 — The Authors Respond¶
- 作者: Stephen Burgess, Emily Bassett
- 期刊/来源: Epidemiology
- 机构: University of Cambridge · MRC Biostatistics Unit · Medical Research Council
- 分类: vol 37 · issue 4 · pp e9-e9
- 相关性 3/10 · novelty:
minor - 摘要: 本文是对非线性孟德尔随机化方法批评的回应，核心辩护理由是：任何因果推断方法都依赖不可检验的假设，方法在假设成立时有效、假设违反时产生偏差是统计学的常态。作者指出 NLMR 比传统线性 MR 需要更强的假设，因此对假设违反更敏感，但使用更新方法（如 doubly-ranked method）和有效工具变量的 NLMR 研究仍具可信度。文章强调统计方法的可靠性评估需要理论与实证双重视角，不能仅凭少数失败案例否定方法本身。这是流行病学方法论辩论的 position piece，无新方法或理论贡献。
- 关键技术:
Mendelian randomization,instrumental variable,nonlinear MR,doubly-ranked method,residual-stratified method - 为什么对您有用: 本文属于流行病学因果推断方法论的立场性文章，涉及 IV 假设违反与敏感性分析的话题，但无新方法或理论。对您而言，这是了解 MR 方法在流行病学实践中如何被批评与辩护的入门阅读，但武器库中的 identification theory 和 sensitivity analysis 工具已远超此文深度。作为 gateway reading 值得一扫（了解 MR 实践中的争议点），但无需花时间精读全文。
Maintained by 陈星宇 · Homepage · Source on GitHub