Methodenartikel

Causaal verband tussen ischemische beroerte en vasculaire dementie: een Mendeliaanse randomisatiestudie

26 weergaven

⸱

11 september 2026

 ,  ,  , 
1Department of Emergency Medicine, Baoding Second Hospital, 2Department of Cardiology, Affiliated Hospital of Hebei University

In dit artikel

Samenvatting

Dit protocol beschrijft een reproduceerbare workflow voor Mendeliaanse randomisatie met twee steekproeven om de potentiële causale associatie tussen ischemische beroerte en vasculaire dementie te evalueren met behulp van publiek beschikbare samenvattende statistieken van genoombrede associatiestudies.

Samenvatting

Ischemische stroke (IS) is een belangrijke oorzaak van invaliditeit en mortaliteit wereldwijd, en vasculaire dementie (VaD) is een veelvoorkomend dementie-subtype dat geassocieerd wordt met cerebrovasculair letsel. Observationele studies hebben een relatie gesuggereerd tussen IS en VaD, maar deze studies zijn gevoelig voor confounding en omgekeerde causaliteit. Dit protocol beschrijft een reproduceerbare two-sample Mendeliaanse randomisatie (MR) workflow voor het evalueren van de potentiële causale associatie tussen IS en VaD met behulp van publiek beschikbare summary statistics van genome-wide association studies (GWAS). Genetische instrumenten geassocieerd met IS werden geëxtraheerd uit een publieke GWAS-dataset, en uitkomstassociaties voor VaD werden verkregen uit een publieke VaD GWAS-dataset. De bijbehorende dataset-ID's worden vermeld in de sectie Protocol. Na uitkomstmatching en allel-harmonisatie werden 51 single-nucleotide polymorfismen (SNP's) behouden voor de uiteindelijke MR-analyse. De workflow omvat selectie van instrumentele variabelen, linkage disequilibrium clumping, allel-harmonisatie, beoordeling van instrumentsterkte, inverse variance weighted (IVW) analyse, weighted median analyse, MR-Egger analyse, heterogeniteitstests, beoordeling van horizontale pleiotropie en leave-one-out sensitiviteitsanalyse. In de representatieve analyse toonde de IVW-methode een positieve associatie aan tussen genetisch voorspelde IS en het risico op VaD, en de weighted median methode leverde een directioneel concordant resultaat op. De MR-Egger schatting was directioneel consistent, maar bereikte geen statistische significantie. Daarom moeten deze bevindingen worden geïnterpreteerd als suggestief bewijs voor een mogelijk causaal effect, in plaats van definitief bewijs van causaliteit. Dit protocol kan onderzoekers helpen bij het toepassen van een transparante en reproduceerbare MR-workflow om uitkomsten gerelateerd aan cerebrovasculaire ziekten te onderzoeken met behulp van publieke GWAS-gegevens.

Inleiding

Ischemische beroerte (IS) is wereldwijd een van de belangrijkste oorzaken van ernstige invaliditeit en overlijden1. Volgens de nieuwste gegevens van de Global Burden of Disease Study is de wereldwijde incidentie van IS gedaald, maar het blijft een aanzienlijke last, vooral in Oost-Europa, Oost-Azië, Centraal-Azië en Sub-Sahara Afrika2,3. Bovendien stijgt de incidentie van IS in landen met een lage sociaal-demografische index (SDI), en de verwachting is dat dit van 2020 tot 2030 zal blijven toenemen.

Talrijke epidemiologische studies hebben gewezen op een mogelijk verband tussen cerebrovasculaire ziekten en vasculaire dementie (VaD)4,5. Vooral in China is VaD een van de meest voorkomende vormen van dementie bij ouderen, en de hoge prevalentie van IS is nauw verbonden met het ontstaan van VaD. De meeste bestaande studies zijn echter observationeel, en residuele confounding, omgekeerde causaliteit en verschillen in ziekteyeenmerken kunnen de causale interpretatie beperken. Daarom zijn aanvullende analytische benaderingen nodig om te evalueren of IS mogelijk betrokken is bij de ontwikkeling van VaD.

IS kan het begin van VaD via verschillende mechanismen beïnvloeden. Cerebrovasculaire schade veroorzaakt door IS kan leiden tot onvoldoende cerebrale perfusie en daaropvolgende neurodegeneratieve veranderingen6. Daarnaast kan VaD gerelateerd zijn aan chronische cerebrovasculaire letselschade, microvasculaire schade en ontstekingsreacties na IS7,8. Daarom is het onderzoeken van de relatie tussen IS en VaD belangrijk voor het begrijpen van potentiële ziektekoppelingen en het sturen van toekomstige preventiestrategieën.

Mendeliaanse randomisatie (MR) is een analytische methode die genetische varianten als instrumentele variabelen gebruikt om potentiële causale associaties tussen een blootstelling en een uitkomst te evalueren9. In vergelijking met conventionele observationele studies kan MR confounding en bias door reverse causality verminderen, mits voldaan is aan geldige aannames voor de instrumentele variabelen. Vergeleken met gerandomiseerde gecontroleerde studies of experimentele modellen kan MR bestaande samenvattende statistieken uit genome-wide association studies (GWAS) gebruiken om klinisch relevante associaties te evalueren wanneer directe interventiestudies onhaalbaar, onethisch of moeilijk uit te voeren zijn. Recente genetische studies met gebruik van Mendeliaanse randomisatie-benaderingen hebben de associatie tussen IS en VaD onderzocht10. Gedetailleerde beschrijvingen op protocolniveau van de selectie van blootstellingsinstrumenten, extractie van uitkomstgegevens, harmonisatie van allelen, beoordeling van de sterkte van de instrumenten, heterogeniteitstesten, beoordeling van pleiotropie en sensitiviteitsanalyses blijven echter essentieel voor een reproduceerbare implementatie.

Dit protocol is geschikt wanneer openbare GWAS-samenvattingsstatistieken beschikbaar zijn voor zowel de blootstelling als de uitkomst van belang, wanneer valide genetische instrumenten voor de blootstelling kunnen worden geselecteerd en wanneer de onderzoeksvraag erop is gericht om een potentieel causaal verband te evalueren in plaats van direct biologische mechanismen vast te stellen. Deze studie presenteert daarom een twee-steekproefen MR-protocol voor het evalueren van het potentiële causale verband tussen IS en VaD met behulp van openbare GWAS-samenvattingsstatistieken. Het doel is om een reproduceerbare analytische workflow te bieden in plaats van definitieve biologische mechanismen vast te stellen. Dit protocol beschrijft de selectie van genetische instrumenten, de matching van uitkomsten, allel-harmonisatie, MR-schatting en sensitiviteitsanalyses, waarbij de IS-VaD-associatie als representatief voorbeeld wordt gebruikt.

Protocol

Voor deze studie werden publiekelijk beschikbare GWAS-samenvattende statistieken gebruikt. De oorspronkelijke studies hadden goedkeuring van de institutionele toetsingscommissie en geïnformeerde toestemming van de deelnemers verkregen. Geen aanvullende ethische goedkeuring was vereist voor deze secundaire analyse.

1. Studieontwerp en ethische verklaring

  1. Gebruik een twee-steekproefen MR-ontwerp om de potentiële causale associatie tussen IS en VaD te evalueren.
  2. Gebruik uitsluitend openbaar beschikbare GWAS-samenvattende statistieken. Omdat alle oorspronkelijke studies in de GWAS-datasets goedkeuring hadden gekregen van de institutionele toetsingscommissie en geïnformeerde toestemming hadden verkregen van de deelnemers, is er geen aanvullende ethische goedkeuring vereist voor deze secundaire analyse.
  3. Definieer IS als de blootstelling en VaD als de uitkomst vóór de data-extractie.

2. Softwarevoorbereiding

  1. Voer alle analyses uit met de statistische software R.
  2. Laad het TwoSampleMR-pakket voor de extractie van instrumenten, extractie van uitkomstgegevens, harmonisatie van allelen, MR-schatting, heterogeniteitstests en sensitiviteitsanalyses. Laad het MRPRESSO-pakket om globale horizontale pleiotropie en potentiële uitschieter-varianten te beoordelen.
  3. Gebruik de volgende kernfuncties in de workflow: extract_instruments, extract_outcome_data, harmonise_data, mr, generate_odds_ratios, mr_heterogeneity, mr_pleiotropy_test, mr_singlesnp, mr_leaveoneout, mr_scatter_plot, mr_forest_plot, mr_funnel_plot en mr_leaveoneout_plot. Gebruik MRPRESSO::mr_presso om de MR-PRESSO globale test en, indien van toepassing, de uitschieter- en distortietests uit te voeren.

3. Selectie van de dataset voor blootstelling en screening van instrumentele variabelen

  1. Extraheer met IS geassocieerde enkelnucleotidepolymorfismen (SNP's) uit de IEU OpenGWAS-dataset ebi-a-GCST90018864. Deze dataset bevat 11.929 IS-gevallen en 472.192 controles, met een totale steekproefomvang van 484.121 deelnemers.
  2. Selecteer kandidaat-SNP's die geassocieerd zijn met IS met een significantiedrempel van p < 5 × 10-6.
    1. De p < 5 × 10-6 In dit representatieve protocol wordt deze drempelwaarde gebruikt om een adequaat aantal onafhankelijke instrumenten te behouden voor sensitiviteitsanalyses. Omdat deze drempelwaarde minder streng is dan de conventionele drempelwaarde voor genoombrede significantie, moeten bevindingen op basis van deze instrumenten worden geïnterpreteerd als exploratief en suggestief in plaats van definitief.
  3. Voer linkage disequilibrium clumping uit om onafhankelijke SNP's te behouden. Gebruik een r2 drempelwaarde van 0,001 en een clumping window van 10.000 kb.
  4. Gebruik het volgende R-commando om kandidaat-instrumenten te extraheren:
    extraheer_instrumenten(uitkomsten = "ebi-a-GCST90018864", p1 = 5e-06, clump = TRUE)
  5. Bereken de F-statistiek voor elke behouden SNP met behulp van de formule F = (β/SE)2, waar β en SE zijn respectievelijk de schatting van het SNP-blootstellingseffect en de standaardfout.
  6. Sluit SNP's uit met een F-statistiek < 10 om het risico op zwakke instrumentbias te verminderen. Vat de distributie van de F-statistieken samen met behulp van het minimum, maximum, mediaan en het interkwartielbereik (IQR).

4. Extractie van de uitkomstdataset

  1. Extraheer associaties van VaD-uitkomsten uit de FinnGen GWAS-dataset finn-b-F5_VASCDEM. Deze dataset bevat 881 VaD-gevallen en 211.508 controles.
  2. Extraheer de uitkomstassociaties voor alle geselecteerde IS-geassocieerde SNP's met behulp van de functie extract_outcome_data.
  3. Zoek naar proxy-SNP's wanneer doel-SNP's niet direct beschikbaar zijn in de uitkomstdataset. Behoud proxy-gematchte varianten wanneer geldige proxy-informatie en allelcorrespondentie beschikbaar zijn.
  4. Gebruik het volgende R-commando om de uitkomstdataset te extraheren:
    extract_outcome_data(snps = exp_dat$SNP, outcomes = "finn-b-F5_VASCDEM", access_token = NULL)

5. Allelharmonisatie en SNP-retentie

  1. Harmoniseer de datasets van de blootstelling en de uitkomst voorafgaand aan de MR-analyse.
  2. Lijn het effect-allel en het andere allel uit, zodat de schattingen van het effect van SNP–blootstelling en SNP–uitkomst betrekking hebben op hetzelfde effect-allel.
  3. Inspecteer de SNP's tijdens de harmonisatie om allel-mismatches, ontbrekende associaties met de uitkomst en ambigue allel-uitlijningen te identificeren. Behoud de SNP's met beschikbare effect-schattingen voor zowel blootstelling als uitkomst na de harmonisatie.
  4. Gebruik het volgende R-commando voor de allel-harmonisatie: harmonise_data(exposure_dat = exp_dat, outcome_dat = out_dat, action = 1)
  5. Noteer het aantal SNP's dat aanvankelijk uit de blootstellingsdataset is geëxtraheerd, het aantal SNP's met beschikbare associaties met de uitkomst, het aantal proxy-gematchte varianten en het aantal SNP's dat is behouden voor de uiteindelijke MR-analyse.

6. Primaire MR-analyse en sensitiviteitsanalyses

  1. Voer de primaire MR-analyse uit met de inverse variance weighted (IVW)-methode.
  2. Voer aanvullende MR-analyses uit met de weighted median- en MR-Egger-methoden om de consistentie van de causale schatting onder verschillende aannames te beoordelen.
  3. Genereer odds ratios (OR's) en 95% betrouwbaarheidsintervallen (BI's) op basis van de MR-schattingen.
  4. Gebruik de volgende R-commando's om de MR-analyse uit te voeren en de OR's te berekenen:
    res <- mr(dat)
    res <- generate_odds_ratios(res)
  5. Omdat er één vooraf gespecificeerde primaire associatie tussen blootstelling en uitkomst wordt geëvalueerd, wordt de Bonferroni-gecorrigeerde drempelwaarde voor de primaire MR-inferentie vastgesteld op 0,05/1 = 0,05. Gebruik een tweezijdige p-waarde < 0,05 als drempelwaarde voor statistische significantie voor de primaire IVW-analyse.
  6. Om de statistische precisie van de primaire analyse te contextualiseren, gezien het beperkte aantal VaD-gevallen, wordt een post hoc tweezijdige Wald-test power-berekening uitgevoerd op basis van de waargenomen IVW-schatting en de bijbehorende standaardfout. Bereken de power met behulp van de non-centraliteitsparameter βIVW/SEIVW bij een tweezijdig α-niveau van 0,05. Bereken het minimaal detecteerbare effect dat overeenkomt met een power van 80% als exp[(z0.975 + z0.80) × SE]. Omdat IS een binaire blootstelling is en SNP-blootstellingsassociaties op de log-odds-schaal worden uitgedrukt, wordt deze analyse gerapporteerd als een effect-geconditioneerde beschrijvende beoordeling van de precisie in plaats van als een vooraf gespecificeerde steekproefomvangberekening11.

7. Heterogeniteit, horizontale pleiotropie en leave-one-out analyses

  1. Beoordeel de heterogeniteit tussen SNP's met behulp van de Q-statistiek van Cochran.
  2. Gebruik het volgende R-commando om de heterogeniteitsstatistieken te berekenen:
    mr_heterogeneity(dat)
  3. Beoordeel directionele horizontale pleiotropie met behulp van de MR-Egger-interceptietest.
  4. Gebruik het volgende R-commando om de MR-Egger-interceptie te berekenen:
    mr_pleiotropy_test(dat)
  5. Beoordeel globale horizontale pleiotropie en potentiële outlier-varianten met MR-PRESSO met 10.000 simulaties, een significantiedrempel van 0,05 en waarbij zowel de outlier- als de distortietests zijn ingeschakeld12.
  6. Gebruik het volgende R-commando voor de MR-PRESSO-analyse:
    set.seed(20260729)
    mr_presso(
    BetaOutcome = "beta.outcome",
    BetaExposure = "beta.exposure",
    SdOutcome = "se.outcome",
    SdExposure = "se.exposure",
    OUTLIERtest = TRUE,
    DISTORTIONtest = TRUE,
    data = dat,
    NbDistribution = 10000,
    SignifThreshold = 0.05
    )
  7. Voer een single-SNP-analyse uit om het effect van elke SNP afzonderlijk te schatten.
  8. Gebruik het volgende R-commando voor de single-SNP-analyse:
    res_single <- mr_singlesnp(dat)
  9. Voer een leave-one-out-analyse uit door sequentieel één SNP per keer te verwijderen en de IVW-analyse te herhalen.
  10. Gebruik het volgende R-commando voor de leave-one-out-analyse:
    res_loo <- mr_leaveoneout(dat)

8. Visualisatie en output

  1. Genereer een scatterplot om de MR-schattingen voor verschillende methoden weer te geven.
  2. Genereer een forest plot om de single-SNP-schattingen en de totale MR-schatting weer te geven.
  3. Genereer een funnel plot om de symmetrie van de SNP-specifieke schattingen visueel te beoordelen.
  4. Genereer een leave-one-out-plot om te beoordelen of de totale schatting wordt bepaald door een enkele SNP.
  5. Gebruik de volgende R-commando's om de plots te genereren:
    mr_scatter_plot(res, dat)
    mr_forest_plot(res_single)
    mr_funnel_plot(res_single)
    mr_leaveoneout_plot(res_loo)
  6. Exporteer de MR-resultaten, de tabel met instrumentele variabelen, de tabel met associaties van de uitkomstmaat en de resultaten van de sensitiviteitsanalyse voor rapportage en reproduceerbaarheid.

Resultaten

Figuur 1 vat de algemene workflow van het Mendeliaanse randomisatieprotocol met twee steekproeven samen, van datasetselectie en instrumentscreening tot sensitiviteitsanalyses en visualisatie van de resultaten. Representatieve outputs van elke fase worden hieronder gepresenteerd.

Genetische instrumentele variabelen en kwaliteitscontrole van de harmonisatie

In totaal werden 52 IS-geassocieerde SNP's initieel geëxtraheerd uit de GWAS-dataset van de blootstelling met een significantiedrempel van p < 5 × 10-6. Vervolgens werden de associaties met de uitkomst geëxtraheerd uit de VaD GWAS-dataset. Na matching van de uitkomst, het zoeken naar proxy's en allel-harmonisatie werden 51 SNP's behouden voor de definitieve MR-analyse. Twee varianten werden gematcht met behulp van proxy-SNP's. De behouden genetische instrumenten staan vermeld in Tabel 1. De F-statistieken van de 51 behouden instrumenten varieerden van 20,91 tot 46,06, met een mediaan van 25,08 en een IQR van 22,95–30,71. Geen enkele behouden SNP had een F-statistiek lager dan 10, wat duidt op een geringe waarschijnlijkheid van bias door zwakke instrumenten.

MR-schattingen voor IS en VaD

De spreidingsplot toonde de richting en grootte van de SNP-specifieke MR-schattingen via verschillende MR-methoden (Figuur 2). De IVW- en gewogen mediaanmethoden lieten positieve associaties zien, terwijl de MR-Egger-schatting directioneel consistent was maar geen statistische significantie bereikte.

De forest plot van de individuele SNP-schattingen toonde de SNP-specifieke associaties met het risico op VaD (Figuur 3). De algemene MR-schattingen zijn samengevat in Figuur 4. De IVW-methode toonde een statistisch significante positieve associatie aan tussen genetisch voorspelde IS en het risico op VaD (OR = 1.63, 95% CI: 1.21–2.21, p = 0.0013). De weighted median-methode leverde een concordante significante schatting op (OR = 1.60, 95% CI: 1.06–2.42, p = 0.0240). De MR-Egger-schatting was directioneel consistent, maar bereikte geen statistische significantie (OR = 2.21, 95% CI: 0.97–5.01, p = 0.0645).

De FinnGen VaD outcome GWAS omvatte 881 patiënten en 211.508 controles. In een post hoc tweezijdige Wald-test berekening, conditioneel aan de waargenomen IVW-schatting, was de geschatte power voor de primaire IVW-analyse 89,5% bij α = 0,05. Het overeenkomstige minimaal detecteerbare effect voor een power van 80% was een OR van 1,54. In contrast hiermee was het minimaal detecteerbare effect voor de MR-Egger-analyse een OR van 3,23, wat hoger was dan de waargenomen richtingsconsistent MR-Egger-schatting (OR = 2,21). Daarom moet het niet-significante MR-Egger-resultaat worden geïnterpreteerd als een weerspiegeling van de beperkte precisie van deze minder efficiënte sensitiviteitsestimator, en niet op zichzelf staand als bewijs tegen de richting van de primaire IVW-schatting.

Omdat er één vooraf gespecificeerde primaire associatie tussen blootstelling en uitkomst werd geëvalueerd, was de Bonferroni-gecorrigeerde drempelwaarde voor de primaire MR-inferentie 0,05/1 = 0,05. Daarom voldeed het IVW-resultaat aan de gecorrigeerde significantiedrempel. Samen leveren deze bevindingen suggestieve bewijzen voor een mogelijk positief effect van genetisch voorspelde IS op het risico op VaD, primair gebaseerd op de IVW-schatting en ondersteund door de gewogen mediaan-gevoeligheidsanalyse. Echter, de MR-Egger-schatting was richtingconsistent, maar bereikte geen statistische significantie; daarom mogen de resultaten niet worden geïnterpreteerd als definitief bewijs voor causaliteit.

Analyses van heterogeniteit en horizontale pleiotropie

De heterogeniteit tussen SNP's werd beoordeeld met de Q-statistiek van Cochran. De IVW-heterogeniteitstest leverde Q = 57,46 op met 50 vrijheidsgraden (p = 0,218), en de MR-Egger-heterogeniteitstest leverde Q = 56,77 op met 49 vrijheidsgraden (p = 0,208). Deze resultaten wezen niet op substantiële heterogeniteit tussen de SNP-specifieke schattingen. Directionele horizontale pleiotropie werd beoordeeld met de MR-Egger-intercepttest. De MR-Egger-intercept was -0,0195 (SE = 0,0253, p = 0,444), wat duidt op geen statistisch bewijs voor directionele horizontale pleiotropie. De MR-PRESSO-analyse werd uitgevoerd met de 51 behouden geharmoniseerde SNP's met 10.000 simulaties. De MR-PRESSO-globaltest toonde geen bewijs van globale horizontale pleiotropie (RSSobs = 59,61; empirische p = 0,2388). Omdat de globaltest niet statistisch significant was, waren de individuele uitschieter- en distortietesten niet van toepassing en werd er geen uitschieter-gecorrigeerde schatting gegenereerd. De funnelplot bood een visuele beoordeling van de symmetrie van de SNP-specifieke schattingen (Figuur 5). Gedetailleerde MR-PRESSO-instellingen en resultaten zijn gerapporteerd in Aanvullende Tabel 1.

Leave-one-out sensitiviteitsanalyse en validatie van de protocoloutput

Er werd een leave-one-out-analyse uitgevoerd om te evalueren of de globale MR-schatting werd beïnvloed door een enkele SNP. De leave-one-out-plot liet zien dat de sequentiële verwijdering van individuele SNP's de globale schatting niet wezenlijk veranderde (Figuur 6), wat suggereert dat geen enkel genetisch instrument de associatie domineerde. Samen tonen deze representatieve resultaten de praktische output van de twee-staps MR-workflow aan die in dit protocol wordt beschreven. Tabel 1 toont de behouden genetische instrumenten na SNP-selectie en harmonisatie. Figuur 2 illustreert de richting van de MR-schattingen over de verschillende methoden heen, Figuur 3 presenteert SNP-specifieke schattingen, Figuur 4 vat de totale MR-schattingen samen, Figuur 5 ondersteunt de visuele beoordeling van pleiotropie of asymmetrie, en Figuur 6 beoordeelt de invloed van individuele SNP's. Aanvullende tabel 2 koppelt elke belangrijke protocolstap aan de bijbehorende validerende output.

Alle ruwe GWAS-samenvattingsstatistieken die in deze studie zijn geanalyseerd, zijn openbaar beschikbaar. De dataset voor de blootstelling aan ischemische beroerte is verkregen uit de IEU OpenGWAS-database onder dataset-ID ebi-a-GCST90018864. De dataset voor de uitkomst vasculaire dementie is verkregen uit de FinnGen GWAS-dataset onder dataset-ID finn-b-F5_VASCDEM. De geëxtraheerde tabel met instrumentele variabelen, de geharmoniseerde analysedataset, de MR-resultaatentabellen en de relevante uitvoerbestanden zijn als aanvullende bestanden bijgevoegd.

stroomdiagram van SNP's naar ischemische beroerte naar vasculaire dementie; diagram van genetische padanalyse.
Figuur 1Workflow van het MR-protocol voor twee steekproeven. Deze figuur vat de belangrijkste stappen van het protocol samen, waaronder de selectie van de expositie-dataset, screening van instrumentele variabelen, extractie van uitkomstgegevens, harmonisatie van allelen, MR-schatting, heterogeniteitstoetsing, beoordeling van horizontale pleiotropie, leave-one-out-analyse en visualisatie. Klik hier om een grotere versie van deze figuur te bekijken.

Spreidingsdiagram van Mendeliaanse randomisatie, SNP-effectanalyse, risico op vasculaire dementie, regressiemethoden.
Figuur 2. Spreidingsdiagram van MR schattingen voor de associatie tussen IS en VaD. Elk punt vertegenwoordigt een SNP-specifieke schatting. De regressielijnen vertegenwoordigen de geschatte associatie verkregen met verschillende MR-methoden. Klik hier om een grotere versie van deze figuur te bekijken.

MR effectgrootte van genetische varianten op vasculaire dementie; grafiek van de inverse variantieweging.
Figuur 3. Forest plot van single-SNP MR-schattingen. Deze figuur toont de individuele SNP-specifieke schattingen voor de associatie tussen IS-geassocieerde genetische varianten en het risico op VaD. Horizontale lijnen vertegenwoordigen 95% betrouwbaarheidsintervallen. Klik hier om een grotere versie van deze figuur te bekijken.

Forest plot-diagram van ischemische beroerteanalyse; hazard ratio, odds ratio met statistische waarden.
Figuur 4. Forest plot van de totale MR- schattingen via verschillende methoden. Deze figuur vat de totale MR-schattingen samen die zijn verkregen met de IVW-, gewogen mediaan- en MR-Egger-methoden. Horizontale lijnen representeren 95% betrouwbaarheidsintervallen. MR, Mendeliaanse randomisatie; IVW, inverse variance weighted. Klik hier om een grotere versie van deze figuur te bekijken.

Mendelian randomisatie-spreidingsdiagram met resultaten van inverse variance weighted en MR Egger.
Figuur 5. Funnelplot van SNP-specifieke MR schattingen. Deze figuur toont de verdeling van SNP-specifieke MR-schattingen en maakt een visuele beoordeling van de symmetrie over genetische instrumenten mogelijk. MR, Mendeliaanse randomisatie; IVW, inverse variance weighted. Klik hier om een grotere versie van deze figuur te bekijken.

Grafiek van de sensitiviteitsanalyse, MR leave-one-out, studie naar vasculaire dementie; datavisualisatie, onderzoeksinstrument.
Figuur 6Leave-one-out sensitiviteitsanalyse. Deze figuur toont de MR-schatting na het opeenvolgend verwijderen van elke SNP. De plot werd gebruikt om te beoordelen of de algehele schatting werd bepaald door één enkel genetisch instrument. Klik hier om een grotere versie van deze figuur te bekijken.

Nee.SNP (enkelvoudige nucleotidepolymorfisme)GenChr.EAOAEAF.ISEAF.VDIS β (SE)VD β (SE)F-statistiekR²
1rs10886430GRK510GA0.1182440.095360.1147 (0.0220)-0.0172 (0.0852)27.185,61E-05
2rs10936572LOC1079860513TC0.1796430.1235-0.0512 (0.0104)0.1444 (0.0743)24.245,01E-05
3rs11045239PDE3A12AG0.4929430.46290.0604 (0.0089)0.0303 (0.0494)46.069,51E-05
4rs11047532LOC10536969812GC0.3052140.15130.0499 (0.0105)0.0159 (0.0689)22.594,66E-05
5rs11065836CUX212AG0.1591230.07442-0.0608 (0.0103)0.0245 (0.0929)34.847,20E-05
6rs11105378ATP2B112TC0.2034660.07522-0.0540 (0.0098)-0.1174 (0.0916)30.366,27E-05
7rs117140252-14AG0.0412160.069880.1568 (0.0311)0.1498 (0.0967)25.425,25E-05
8rs117343276-10GA0.0305330.0431-0.0905 (0.0196)-0.1449 (0.1233)21.324,40E-05
9rs11831940HDAC712AG0.2519140.35260.0631 (0.0130)0.1226 (0.0513)23.564,87E-05
10rs11880613DNM219AG0.1848570.1804-0.0613 (0.0110)0.1499 (0.0640)31.066,41E-05
11rs12445022LOC12490374816AG0.2716670.31930.0605 (0.0112)0.0218 (0.0527)29.186,03E-05
12rs12509595-4CT0.2979290.31240.0577 (0.0091)0.1462 (0.0533)40.28,30E-05
13rs12633109-3TG0.3608970.32630.0436 (0.0089)0.0395 (0.0526)244,96E-05
14rs1275980KCNK32TC0.4985450.5481-0.0582 (0.0094)-0.0128 (0.0495)38.337,92E-05
15rs13123551-4AT0.6164420.50650.0552 (0.0097)0.0818 (0.0493)32.386,69E-05
16rs147871383MIR99AHG21AG0.023680.019250.2259 (0.0494)0.2534 (0.1903)20.914,32E-05
17rs16918175-10CT0.1040370.0811-0.0649 (0.0131)0.0332 (0.0895)24.545,07E-05
18rs17182166ACVR12TG0.124940.1370.0751 (0.0156)-0.0046 (0.0703)23.184,79E-05
19rs1906779-15AG0.2113860.12390.0438 (0.0095)-0.0342 (0.0758)21.264,39E-05
20rs1948696ITGB53CT0.6501380.6041-0.0459 (0.0091)0.0219 (0.0501)25.445,25E-05
21rs1973765LSP111CT0.4867170.41240.0441 (0.0092)-0.0229 (0.0505)22.984,75E-05
22rs2429123CACNA1C, DCP1B12CT0.7299260.7250.0473 (0.0098)0.0190 (0.0549)23.34,81E-05
23rs2447561-8TA0.8734420.8382-0.0589 (0.0116)-0.0570 (0.0674)25.785,33E-05
24rs245015MSH35AG0.6850610.6562-0.0456 (0.0089)0.0065 (0.0519)26.255,42E-05
25rs2501968CENPQ6GA0.4653020.4229-0.0490 (0.0086)-0.0879 (0.0498)32.466,71E-05
26rs2526620-7GA0.2521440.24590.0500 (0.0092)0.0505 (0.0576)29.546,10E-05
27rs284160TGFBR31AG0.1926440.11860.0572 (0.0096)0.1573 (0.0768)35.57,33E-05
28rs2842870PMF1, PMF1-BGLAP1CT0.3603980.3434-0.0446 (0.0087)-0.0727 (0.0518)26.285,43E-05
29rs2880492NCOR212CT0.0358410.01984-0.1293 (0.0266)-0.1917 (0.1781)23.634,88E-05
30rs35790371RBFOX116AG0.0051250.0019030.5587 (0.1176)0.1447 (0.5420)22.574,66E-05
31rs5752720TTC2822TC0.284410.18440.0422 (0.0091)-0.0311 (0.0635)21.514,44E-05
32rs57694670SH3PXD2A10GA0.4336380.3834-0.0507 (0.0086)0.0080 (0.0507)34.767,18E-05
33rs6462001-7TG0.8814940.8329-0.0765 (0.0151)-0.0567 (0.0662)25.675,30E-05
34rs6843082-4AG0.652940.6907-0.0438 (0.0092)-0.0568 (0.0534)22.674,68E-05
35rs7091346SH3PXD2A10TC0.452730.2664-0.0582 (0.0098)-0.0143 (0.0552)35.277,28E-05
36rs7194129CFDP116TC0.5736910.55380.0399 (0.0084)0.0293 (0.0495)22.564,66E-05
37rs7341574ZFPM28TC0.3132430.38950.0463 (0.0094)-0.0774 (0.0505)24.265,01E-05
38rs7451833-6GA0.1030420.11660.1280 (0.0220)0.1253 (0.0777)33.856,99E-05
39rs74617384LPA6TA0.0709990.045730.1415 (0.0281)-0.0532 (0.1162)25.365,24E-05
40rs74849463PIK3C2B1TC0.2409490.20430.0445 (0.0092)-0.0319 (0.0616)23.44,83E-05
41rs757241AFAP1-AS14CG0.6733770.6704-0.0681 (0.0145)-0.0274 (0.0523)22.064,56E-05
42rs76099321CNNM210AG0.0520850.02979-0.0691 (0.0150)-0.2215 (0.1464)21.224,38E-05
43rs7670136-4CT0.5710880.6269-0.0473 (0.0101)0.0391 (0.0509)21.934,53E-05
44rs77455924NTM11TC0.0564570.029960.1632 (0.0331)0.0444 (0.1477)24.315,02E-05
45rs7820334-8TC0.2465490.2949-0.0643 (0.0127)-0.1327 (0.0648)25.635,29E-05
46rs7859727CDKN2B-AS19TC0.5188450.41510.0569 (0.0087)0.0281 (0.0498)42.778,83E-05
47rs7989823COL4A1, COL4A213CA0.5916150.61880.0527 (0.0089)0.0693 (0.0518)35.067,24E-05
48rs79960344-17GT0.1028080.10310.0651 (0.0130)-0.1596 (0.0805)25.085,18E-05
49rs880315CASZ11CT0.4455250.41390.0416 (0.0089)0.0444 (0.0501)21.854,51E-05
50rs9112LOC1005058415AG0.4365950.35730.0407 (0.0085)-0.0274 (0.0523)22.934,74E-05
51rs979380-17AG0.5318440.6197-0.0417 (0.0084)-0.0196 (0.0506)24.645,09E-05
EAF.IS en EAF.VD duiden respectievelijk op de effect-allelfrequenties in de datasets van de blootstelling aan ischemische beroerte en de uitkomst vasculaire dementie. F-statistiek = (β/SE)². R² per SNP = F/(F + N − 2), waarbij N = 484.121. SNP's werden geselecteerd met behulp van p < 5 × 10-6 en linkage disequilibrium-clumping met r² < 0,001 binnen een venster van 10.000 kb.

Tabel 1: Genetische instrumenten voor ischemische beroerte en overeenkomstige SNP-uitkomstassociaties voor VaD. De tabel vermeldt de uiteindelijke 51 SNP's, inclusief SNP-ID, gekoppeld gen, chromosoom, allelen, EAF, SNP-eigenschapsschattingen, F-statistieken en R2 per SNP. SNP's werden geselecteerd bij p < 5 × 10-6 en geclumpt bij r2 < 0,001 binnen 10.000 kb. EAF.IS en EAF.VD duiden respectievelijk op de effect-allelfrequenties in de IS- en VD-datasets. Chr., chromosoom; EA, effect-allel; OA, ander allel; EAF, effect-allelfrequentie; IS, ischemische beroerte; VD, vasculaire dementie. Klik hier om deze tabel te downloaden.

Aanvullende tabel 1. MR-PRESSO-beoordeling van horizontale pleiotropie voor de analyse van ischemische beroerte–vasculaire dementie. Deze tabel vat de MR-PRESSO-analyse samen die is uitgevoerd om globale horizontale pleiotropie en potentiële outlier-varianten te beoordelen met behulp van de definitieve geharmoniseerde dataset van 51 SNP's.Klik hier om dit bestand te downloaden.

Aanvullende tabel 2. Protocolstappen en overeenkomstige valideringsresultaten.Deze tabel koppelt elke belangrijke stap van het protocol aan het bijbehorende representatieve resultaat en de vermelde locatie in het manuscript, wat de implementatie en validatie van de analytische workflow aantoont.Klik hier om dit bestand te downloaden.

Discussie

Deze studie presenteert een twee-steekproeven MR-protocol voor het evalueren van de potentiële causale associatie tussen IS en VaD met behulp van publiek beschikbare GWAS-samenvattingsstatistieken. In de representatieve analyse ondersteunden de IVW- en gewogen mediaanmethoden een positieve associatie tussen genetisch voorspelde IS en het risico op VaD, terwijl de MR-Egger-schatting directioneel consistent was maar geen statistische significantie bereikte. Daarom leveren deze bevindingen suggestieve bewijzen voor een mogelijk causaal effect, in plaats van definitief bewijs voor causaliteit.

De waargenomen associatie is biologisch plausibel in de context van cerebrovasculair letsel. IS kan leiden tot regionaal neuronaal letsel, een verminderde cerebrale perfusie en daaropvolgende neurodegeneratieve veranderingen. Eerdere studies hebben aangetoond dat VaD vaak voorkomt bij een verminderde cerebrale bloedstroom of cerebrovasculaire schade13,14. Chronische cerebrovasculaire veranderingen na IS kunnen verder bijdragen aan cognitieve achteruitgang en het risico op VaD15. Daarnaast kunnen microvasculair letsel na een beroerte, inflammatoire reacties en chronische neurovasculaire dysfunctie potentiële biologische verbindingen vormen tussen IS en VaD. Echter, het huidige MR-protocol kan deze mechanismen niet direct vaststellen, en de bevindingen moeten worden geïnterpreteerd in samenhang met toekomstige mechanistische en klinische validatiestudies.

De MR-Egger schatting bereikte geen statistische significantie. Deze bevinding moet voorzichtig worden geïnterpreteerd en niet als een directe tegenspraak van de IVW- en gewogen mediaanresultaten. MR-Egger kan schattingen geven die robuuster zijn voor bepaalde vormen van directionele pleiotropie, maar het heeft doorgaans een lagere statistische power, vooral wanneer de effecten van de instrumenten bescheiden zijn. In deze analyse wees het MR-Egger intercept niet op statistisch significante directionele horizontale pleiotropie, en de heterogeniteitstests lieten geen substantiële heterogeniteit tussen SNP's zien. Daarnaast toonde de MR-PRESSO globale test geen bewijs voor globale horizontale pleiotropie. Deze sensitiviteitsanalyses verminderen de zorgen over meetbare directionele of globale horizontale pleiotropie, maar ze sluiten niet alle mogelijke bronnen van bias uit of vestigen causaliteit.

Het bescheiden aantal VaD-gevallen moet echter wel worden meegewogen bij de interpretatie van deze bevindingen. Hoewel de primaire IVW-analyse een geschatte post hoc-power van 89,5% had, uitgaande van de geobserveerde effectgrootte, is dit resultaat beschrijvend en mag het niet worden geïnterpreteerd als een vooraf gespecificeerde rechtvaardiging van de steekproefgrootte. Het beperkte aantal gevallen verminderde met name de precisie van minder efficiënte sensitiviteitsschatters; het minimaal detecteerbare effect van 80% voor MR-Egger was een OR van 3,23, wat groter was dan de geobserveerde schatting. Bijgevolg neemt het niet-significante MR-Egger-resultaat de onzekerheid over de omvang van de associatie niet weg. Deze powerberekeningen houden bovendien geen rekening met potentiële bias gerelateerd aan instrumentvaliditeit, overlap van steekproeven, fenotypische heterogeniteit of residuele horizontale pleiotropie.

Verschillende analytische stappen zijn cruciaal voor de betrouwbaarheid van deze MR-workflow. Ten eerste moeten de GWAS-datasets voor de blootstelling en de uitkomst duidelijk worden geïdentificeerd met behulp van dataset-ID's of toegangsinformatie. Ten tweede moeten SNP-selectie en linkage disequilibrium clumping worden uitgevoerd met vooraf gedefinieerde drempelwaarden om onafhankelijke genetische instrumenten te verkrijgen. Ten derde moet de sterkte van de instrumenten worden beoordeeld met behulp van F-statistieken om het risico op bias door zwakke instrumenten te verminderen. Ten vierde is allel-harmonisatie essentieel om ervoor te zorgen dat de SNP-blootstelling- en SNP-uitkomstschattingen betrekking hebben op hetzelfde effectallel. Ten slotte moeten analyses van heterogeniteit, horizontale pleiotropie en leave-one-out worden gebruikt om te evalueren of de primaire schatting wordt beïnvloed door inconsistente SNP-effecten, directionele pleiotropie of een enkel dominant genetisch instrument.

Veelvoorkomende bronnen van fouten of bias in deze workflow zijn onvoldoende blootstellingsgerelateerde SNP's, zwakke instrumenten, niet beschikbare outcome-SNP's, ambigue allel-uitlijning, palindromische varianten, mismatch van proxy-SNP's, heterogeniteit tussen SNP-specifieke schattingen, horizontale pleiotropie, populatiemismatch, fenotypeheterogeniteit en mogelijke overlap van monsters. Deze problemen kunnen worden aangepakt door de GWAS-datasetidentificatoren te controleren, consistente SNP-selectie- en clumping-drempelwaarden toe te passen, het gebruik van proxy-SNP's te documenteren, harmonisatie-outputs te inspecteren, F-statistieken samen te vatten en MR-schattingen te interpreteren in combinatie met resultaten van heterogeniteit, pleiotropie en leave-one-out-analyses. Indien substantiële heterogeniteit of pleiotropie wordt gedetecteerd, moet de primaire IVW-schatting met voorzichtigheid worden geïnterpreteerd en moeten aanvullende sensitiviteitsanalyses of alternatieve datasets worden overwogen.

Mogelijke overlap tussen monsters moet ook in overweging worden genomen. Zowel de GWAS voor de blootstelling als de FinnGen GWAS voor de uitkomst waren afgeleid van bronnen met een Europese afkomst, en de mate van overlap tussen deelnemers kon niet worden gekwantificeerd op basis van de beschikbare samenvattende statistieken. Dergelijke overlap kan tweestaps-MR-schattingen bevooroordelen in de richting van observationele associaties, vooral wanneer instrumenten niet sterk geassocieerd zijn met de blootstelling. Deze beperking moet in overweging worden genomen bij het interpreteren van het representatieve resultaat.

In vergelijking met conventionele observationele cohort- of case-controlestudies kan MR confounding en bias door omgekeerde causaliteit verminderen onder geldige aannames voor instrumentele variabelen. Observationele studies blijven echter waardevol voor het schatten van ziekteincidentie, temporele patronen en klinische prognoses. Vergeleken met gerandomiseerde gecontroleerde trials of experimentele modellen kan MR potentiële causale associaties evalueren met behulp van bestaande genetische gegevens wanneer directe interventiestudies niet haalbaar of onethisch zijn. MR kan echter geen cellulaire mechanismen direct onthullen of mechanistische validatie vervangen. Daarom moet dit protocol worden beschouwd als aanvullend op cohortstudies, cross-sectionele analyses, diermodellen en cel-experimenten, in plaats van als een vervanging daarvan.

Eerdere studies hebben vasculaire risicofactoren en dementie-gerelateerde uitkomsten onderzocht met behulp van epidemiologische en genetische benaderingen. Zo zijn diabetes en hypertensie in eerder klinisch en populatiegericht onderzoek geassocieerd met het risico op dementie16. Bestaande MR-gebaseerde studies hebben ook IS, VaD en aanverwante comorbiditeitsmechanismen onderzocht. Het huidige manuscript verschilt van deze studies in zijn primaire doelstelling. In plaats van te streven naar het identificeren van nieuwe moleculaire targets of het experimenteel valideren van ziektemechanismen, richt dit artikel zich op het presenteren van een reproduceerbaar protocol voor het uitvoeren van een two-sample MR-analyse met behulp van openbaar beschikbare GWAS-samenvattingsstatistieken.

Dit protocol kent verschillende beperkingen. Ten eerste was de analyse gebaseerd op openbaar beschikbare GWAS-samenvattingsstatistieken, en de resultaten zijn mogelijk niet volledig generaliseerbaar naar niet-Europese populaties of datasets met andere casusdefinities. Ten tweede is een versoepelde drempelwaarde voor de SNP-selectie (p < 5 × 10-6) gebruikt om een adequaat aantal onafhankelijke instrumenten voor sensitiviteitsanalyses te behouden. Hoewel alle behouden instrumenten F-statistieken >10 hadden, is deze drempelwaarde minder streng dan de conventionele drempelwaarde voor genoombrede significantie en kunnen varianten met zwakkere of minder robuuste blootstellingsassociaties zijn opgenomen. Daarom moeten de representatieve bevindingen worden geïnterpreteerd als verkennend en suggestief, in plaats van als definitief bewijs voor causaliteit. Ten derde kan MR weliswaar confounding en bias door omgekeerde causaliteit verminderen, maar het kan horizontale pleiotropie, foutieve fenotypeclassificatie, steekproefoverlap of bias door ongeldige instrumenten niet volledig uitsluiten. Ten vierde geeft de niet-significante MR-Egger-schatting aan dat men voorzichtig moet blijven met de causale interpretatie. Ten vijfde bevat dit protocol geen celexperimenten, diermodellen of validatie in onafhankelijke cohorten; deze benaderingen zouden waardevol zijn voor het verduidelijken van biologische mechanismen en de klinische toepasbaarheid.

Daarnaast werd IS gemodelleerd als een algemeen fenotype. Dit representatieve protocol is niet ontworpen om vast te stellen of een associatie toe te schrijven is aan atherosclerotische beroertes van de grote arteriën, occlusies van kleine vaten, cardio-embolische beroertes of een ander subtype. Bijgevolg mogen de resultaten niet worden geïnterpreteerd als bewijs voor een subtype-specifiek effect. Toekomstig onderzoek zou dezelfde workflow moeten toepassen op goed gefundeerde subtype-specifieke GWAS-datasets met behulp van een vooraf vastgesteld, geharmoniseerd analyseplan.

Toekomstige toepassingen van dit protocol kunnen verder reiken dan IS en VaD. Dezelfde workflow kan worden aangepast om andere cerebrovasculaire, neurodegeneratieve, metabole, inflammatoire of cardiovasculaire blootstellings-uitkomstrelaties te evalueren wanneer geschikte GWAS-samenvattingsstatistieken beschikbaar zijn. Toekomstige studies kunnen deze workflow bovendien uitbreiden door onafhankelijke GWAS-validatie, bidirectionele MR, multivariabele MR, mediatie-MR of integratie met cohortgebaseerd en experimenteel bewijs op te nemen.

Samenvattend biedt dit protocol een reproduceerbare workflow voor het uitvoeren van een twee-steekproefen MR-analyse met behulp van openbaar beschikbare GWAS-samenvattingsstatistieken. De representatieve resultaten leveren suggestief bewijs voor een mogelijke positieve associatie tussen genetisch voorspelde IS en het risico op VaD, voornamelijk ondersteund door de IVW- en gewogen mediaanmethoden, terwijl de MR-Egger-schatting geen statistische significantie bereikte. Deze bevindingen mogen echter niet worden geïnterpreteerd als definitief mechanistisch bewijs. Onafhankelijke populatiegebaseerde validatiestudies en experimentele onderzoeken zijn nodig om de biologische mechanismen en de klinische relevantie van deze associatie verder te verduidelijken.

Openbaarmakingen

De auteurs verklaren dat er geen concurrerende financiële belangen zijn. Er zijn geen instrumenten voor kunstmatige intelligentie (AI) of grote taalmodellen (LLM) gebruikt bij het schrijven, redigeren of voorbereiden van dit manuscript.

Dankbetuigingen

De auteurs hebben geen specifieke financiering ontvangen voor deze studie.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
FinnGen GWAS-datasetFinnGenfinn-b-F5_VASCDEMPublieke GWAS-dataset gebruikt als uitkomstbron voor vasculaire dementie
IEU OpenGWAS-databaseMRC Integrative Epidemiology Unit, University of Bristolebi-a-GCST90018864Publieke GWAS-dataset gebruikt als blootstellingsbron voor ischemisch infarct
R-softwareR Foundation for Statistical ComputingNiet van toepassingStatistische software gebruikt voor MR-analyse
RStudioPosit Software, PBCNiet van toepassingGeïntegreerde ontwikkelomgeving gebruikt voor het uitvoeren van R-scripts
TwoSampleMR-pakketMRC Integrative Epidemiology Unit, University of BristolNiet van toepassingR-pakket gebruikt voor instrumentextractie, harmonisatie, MR-analyse en sensitiviteitsanalyses
MRPRESSO-pakketCRANVersie 1.0R-pakket gebruikt om globale horizontale pleiotropie en potentiële uitschieter-instrumenten te beoordelen
writexl-pakketCRANNiet van toepassingR-pakket gebruikt om resultaatentabellen te exporteren als xlsx-bestanden

Referenties

  1. Sharma R, Lee K. Advances in treatments for acute ischemic stroke. BMJ. 2025;389:e076161.
  2. Zhu H, et al. Interleukins and ischemic stroke. Front Immunol. 2022;13:828447.
  3. Feske SK. Ischemic stroke. Am J Med. 2021;134(12):1457-1464.
  4. Lin HF, et al. Apolipoprotein E polymorphism in ischemic cerebrovascular diseases and vascular dementia patients in Taiwan. Neuroepidemiology. 2004;23(3):129-134.
  5. Semplicini A, et al. Hypertension and cerebrovascular diseases: a specific role of vascular protection for the prevention of dementia. J Cardiovasc Pharmacol. 2001;38(Suppl 2):S79-S82.
  6. Bulwa Z, et al. Management of blood pressure after acute ischemic stroke. Curr Neurol Neurosci Rep. 2019;19(6):29.
  7. Hosoki S, Tanaka T, Ihara M. Diagnostic and prognostic blood biomarkers in vascular dementia: from the viewpoint of ischemic stroke. Neurochem Int. 2021;146:105015.
  8. Yamagata K. Docosahexaenoic acid inhibits ischemic stroke to reduce vascular dementia and Alzheimer's disease. Prostaglandins Other Lipid Mediat. 2023;167:106733.
  9. Yeung S, Luo S, Iwagami M, Goto A. Introduction to Mendelian randomization. Ann Clin Epidemiol. 2025;7(1):27-37.
  10. Luo J, et al. Cardiovascular diseases and risk of dementia in the general population. Eur J Prev Cardiol. 2025:zwaf129. Available from: https://academic.oup.com/eurjpc
  11. Burgess S. Sample size and power calculations in Mendelian randomization with a single instrumental variable and a binary outcome. Int J Epidemiol. 2014;43(3):922-929. Available from: https://academic.oup.com/ije/article/43/3/922/757361
  12. Verbanck M, et al. Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases. Nat Genet. 2018;50(5):693-698. Available from: https://www.nature.com/articles/s41588-018-0099-7
  13. Ng S, et al. Updates on vascular dementia. Stroke Vasc Neurol. 2025;10(5):542-550.
  14. Sanders AE, Schoo C, Kalish VB. Vascular Dementia. StatPearls Publishing; Treasure Island (FL); 2025. Available from: https://www.ncbi.nlm.nih.gov/books/
  15. Ho JP, Powers WJ. Contemporary management of acute ischemic stroke. Annu Rev Med. 2025;76(1):417-429.
  16. Yen FS, et al. Diabetes, hypertension, and the risk of dementia. J Alzheimers Dis. 2022;89(1):323-333.

Herprints en machtigingen

Tags

Genoombrede associatiegenetische instrumenteninstrumentele variabelekoppingsongelijkgewichtallelharmonisatieinverse variantiegewogenhorizontale pleiotropie
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.