Investigando a Relação Bidirecional entre Dor Lombar, Dor no Quadril, Dor no Joelho e Anomalias na Marcha: Um Estudo de Randomização Mendeliano

Resumo

Análises de FIV sugerem que dores na lombar e no quadril podem estar associadas a anormalidades na marcha, enquanto dor no joelho e associações reversas permanecem inconclusivas.

Resumo

Anomalias na marcha estão associadas a alteração da biomecânica dos membros inferiores e comprometimento funcional em distúrbios musculoesqueléticos. Embora dores lombares, no quadril e no joelho tenham sido associadas a dificuldades na marcha em estudos observacionais, suas relações causais permanecem incertas. Realizamos um estudo de randomização mendeliana bidirecional (RM) para avaliar possíveis associações causais entre dor específica do local e anormalidades na marcha. Polimorfismos independentes de nucleotídeo único provenientes de estudos de associação genômica em larga escala foram usados como instrumentos genéticos para dor lombar, dor no quadril e dor no joelho. Anomalias na marcha, definidas no GWAS de origem como dificuldade auto-relatada para andar, foram usadas como desfecho em análises de ressonância magnética frontal e como exposição em análises de ressonância magnética reversas. O método ponderado por inversa variância (IVW) foi a análise primária, apoiado por análises de sensibilidade para heterogeneidade, pleiotropia horizontal e robustez. Em análises avançadas, dores lombares geneticamente previstas (OR = 1,53, IC 95% = 1,058–2,219, P = 0,024) e dor no quadril (OR = 1,55, IC 95% = 1,067–2,252, P = 0,021) estiveram associados ao aumento do risco de anomalias na marcha em análises de IVW. No entanto, os quatro métodos adicionais de RM não foram estatisticamente significativos, embora as estimativas tenham sido geralmente consistentes direcionalmente. A dor geneticamente prevista no joelho não mostrou associação significativa (OR = 2,15, IC 95% = 0,234–19,789, P = 0,498), com incerteza substancial refletida pelo amplo intervalo de confiança. Análises de ressonância magnética reversa não encontraram evidências de que a responsabilidade genética para anomalias na marcha aumentasse o risco de dor lombar, quadril ou joelho, embora apenas quatro SNPs de anomalias na marcha estivessem disponíveis. Não foi detectada heterogeneidade substancial ou pleiotropia horizontal. No geral, este estudo fornece evidências genéticas limitadas baseadas em FIV de que dores lombares e dores no quadril podem estar associadas a anomalias na marcha. Os achados devem ser interpretados com cautela e validados usando conjuntos de dados GWAS maiores com fenótipos refinados.

Introdução

Anomalias na marcha podem decorrer de comprometimentos motores ou sensoriais, e suas características clínicas dependem da localização e natureza da patologia subjacente. Padrões anormais específicos de marcha podem fornecer pistas diagnósticas importantes para doenças específicas. Notavelmente, em distúrbios musculoesqueléticos, as anomalias na marcha frequentemente apresentam características biomecânicas distintas e estão intimamente relacionadas à dor, disfunção articular e mobilidade ^{reduzida 1,2,3}. Estudos mostraram que anomalias de marcha a longo prazo podem agravar a condição de pacientes com^{osteoartrite 4}. Além disso, a marcha anormal persistente pode aumentar a instabilidade das articulações locomotoras e alterar a carga articular; Atividades articulares repetitivas sob mecânica anormal podem agravar ainda mais a lesão articular, induzindo dor, promovendo atrofia muscular gradual e resultando em uma perda muscular mais pronunciada. Esses fatores podem interagir para formar um ciclo vicioso, contribuindo para o agravamento progressivo da dor e do comprometimento funcional em pacientes com distúrbios^{musculoesqueléticos 5}. Portanto, esclarecer a direção e a possível causalidade das associações entre dor musculoesquelética específica do local e anomalias na marcha pode ajudar a interpretar as relações dor observacional–marcha e informar pesquisas futuras sobre disfunção da marcha e reabilitação.

No entanto, apesar de acumular evidências observacionais que ligam dor específica do local — como dor lombar, dor no quadril e dor no joelho — ao desempenho da marcha comprometida, os estudos observacionais convencionais são vulneráveis a confusão, erro de medição e causalidade reversa, dificultando a determinação da direção e causalidade dessas associações. Além disso, a relação entre dor e marcha pode envolver adaptação do sistema nervoso central e modulação das informações nociceptivas recebidas da periferia, o que complica ainda mais a interpretação das associações observadas entre dor e marcha. A randomização mendeliana (RM) é uma abordagem epidemiológica projetada para superar limitações importantes dos estudos observacionais e tem sido amplamente aplicada em pesquisas de inferência causal. A RM utiliza polimorfismos independentes de nucleotídeo único (SNPs) como variáveis instrumentais para inferir potenciais relações causais entre exposições e desfechos⁶. Por exemplo, em vez de atribuir indivíduos ao desenvolvimento de dor lombar, a RM pode examinar se a responsabilidade genética para a dor lombar está associada a desfechos relacionados à marcha em grandes conjuntos de dados de estudos de associação genômica ampla (GWAS). Como as variantes genéticas são alocadas aleatoriamente na concepção, ou seja, na formação do embrião, a RM pode reduzir o viés causado por fatores de confusão como idade, índice de massa corporal, atividade física e condições musculoesqueléticas comórbidas. Essa abordagem é adequada para explorar relações causais em nível populacional quando dados GWAS bem avançados e instrumentos genéticos válidos estão disponíveis. No entanto, os fenótipos usados neste estudo foram características GWAS amplamente auto-relatadas e podem não capturar totalmente a gravidade da dor, duração dos sintomas, diagnósticos confirmados pelos clínicos ou parâmetros objetivos da marcha. Ao aproveitar a alocação aleatória de variantes genéticas na concepção, a RM pode mitigar efetivamente o viés dos fatores de confusão e reverter a causalidade, produzindo assim evidências causais mais plausíveis.

O objetivo deste estudo foi realizar uma análise bidirecional de ressonância magnética utilizando dados resumidos GWAS sobre dor lombar, dor no quadril e dor no joelho relatadas por autorrelatos, juntamente com dados GWAS sobre anomalias na marcha do banco de dados IEU Open GWAS. Neste estudo, os fenótipos da dor representaram traços amplos auto-relatados de dor específicos do local, e as anomalias na marcha representaram dificuldade auto-relatada para caminhar, em vez de diagnósticos confirmados por clínicos, parâmetros de marcha medidos em laboratório ou escores funcionais padronizados. Esse desenho bidirecional teve como objetivo avaliar a direção das possíveis associações causais entre dor musculoesquelética específica do local e anormalidades na marcha usando estatísticas resumidas^{GWAS 7}.

Protocolo

Este estudo utilizou dados de estudo de associação genômica ampla (GWAS) disponíveis publicamente, provenientes do banco de dados IEU OpenGWAS e do Catálogo GWAS. Nenhum dado individual dos participantes foi acessado, e nenhum novo participante humano foi recrutado. Aprovação ética e consentimento informado por escrito foram obtidos nos estudos GWAS originais que contribuíram. Portanto, não foi necessária aprovação adicional do conselho de revisão institucional para a presente análise secundária de estatísticas resumidas publicamente disponíveis.

Princípio e projeto do estudo

As etapas básicas do estudo de RM incluem obtenção de dados resumidos GWAS, triagem e avaliação de SNPs, realização de análises estatísticas e implementação de medidas de controle de qualidade. Como mostrado na Figura 1, a precisão da análise de RM baseia-se no cumprimento de três pressupostos cruciais: (1) a suposição de relevância: as IVs precisam ser relevantes para os fenótipos de exposição, a saber: dor lombar, dor no quadril e dor no^{joelho 8}; (2) a suposição de independência: IVs são irrelevantes para fatores de confusão que afetam o "resultado de exposição"; (3) a suposição de exclusividade: IVs afetam o resultado apenas por exposição e não por outras vias⁹. Fatores de exposição e variáveis de resultado serão trocados em cada análise para determinar se existe causalidade reversa entre as duas.

Para melhorar a reprodutibilidade, o fluxo computacional completo utilizado para importação local de estatísticas resumidas GWAS, extração de SNPs, agrupamento de LD, extração de SNPs de resultado, harmonização de alelos, análise de ressonância magnética, análise de sensibilidade, plotagem diagnóstica e salvamento de saída é fornecido como Código Suplementar 1. O texto principal descreve os principais passos do protocolo, enquanto o Arquivo Suplementar 1 fornece a implementação correspondente em nível de comando e função em nível R.

Fontes de dados

Dados relacionados à dor lombar, dor no quadril e dor no joelho são obtidos no banco de dados IEU openGWAS, e o site é: https://gwas.mrcieu.ac.uk/. Perguntas específicas usadas para definir essas condições podem ser encontradas no Arquivo Suplementar 2. Dor lombar, dor no quadril e dor no joelho foram definidas de acordo com itens de dor específicos do local auto-relatados nos conjuntos de dados GWAS originais. O número ID do conjunto de dados GWAS de dor lombar é: ebi-a-GCST90018797 , com amostra de 468269, que inclui 22.413 pacientes com dor lombar e 445.856 controles na população, totalizando o número SNP de 24174741. O número ID do conjunto de dores de quadril do GWAS é: ebi-a-GCST90013968, com amostra de 407746 e contagem total de SNPs de 11039206. O número ID do conjunto de dados de dor no joelho (GWAS) é: ukb-b-16254, com amostra de 461857, que inclui 98.704 pacientes com dor no joelho, além de uma população controle de 363153, com um total de SNPs de 9851867. Dados GWAS para anomalias da marcha também são obtidos do banco de dados IEU openGWAS. O número ID do conjunto de anormalidades da marcha é: finn-b-R18 _ABNORMALITI_GAIT_MOBIL, com amostra de 210717, incluindo 1348 casos de anomalias na marcha e populações 209369 controle, e um total de 1638044 loci SNPs foram identificados. Os detalhes são mostrados na Tabela 1.

Para aquisição de dados reproduzíveis, os pesquisadores devem pesquisar cada ID GWAS listado acima no banco de dados IEU OpenGWAS, baixar o arquivo de resumo-estatística GWAS correspondente quando disponível e salvar o arquivo como texto local ou separado por vírgulas antes de importá-lo para R. No fluxo de trabalho computacional usado neste estudo, arquivos locais de estatística de resumo GWAS foram importados para o R usando read.table() ou read.csv(), dependendo do formato do arquivo fonte. O fluxo de trabalho baseado em arquivos locais foi adotado para garantir que os mesmos arquivos de estatística de resumo GWAS baixados pudessem ser processados repetidamente usando mapeamentos de colunas fixas e comandos de análise idênticos. Os comandos R exatos para importar e processar os arquivos locais são fornecidos no Arquivo Suplementar 1.

Triagem e entrada dos SNPs

SNPs significativamente associados a cada fenótipo de exposição foram extraídos dos conjuntos de dados resumidos GWAS, utilizando um limiar de significância genômica ampla de P < 5 × 10⁻⁸. Se menos de três SNPs independentes estivessem disponíveis nesse limite, o limite era flexibilizado para P < 5 × 10⁻⁶ para obter instrumentos genéticos suficientes para análise de ressonância magnética. O desequilíbrio de ligação foi avaliado usando r² < 0,001 dentro de uma janela de 10.000 kb para garantir a independência das variáveis instrumentais.

No nível do script, as estatísticas resumidas GWAS de exposição eram primeiro importadas para R e filtradas de acordo com o limiar pré-especificado do valor P. Os SNPs de exposição selecionados eram então salvos como um arquivo de exposição e formatados de acordo com os requisitos do pacote TwoSampleMR. Os mapeamentos de colunas exigidos incluíam o identificador SNP, estimativa de efeito, erro padrão, alelo de efeito, outro alelo e valor P. No fluxo de trabalho reprodutível R, os dados de exposição eram importados usando read_exposure_data(), e a agrupação LD era realizada definindo clump = TRUE. A estrutura de comando correspondente em R era: read_exposure_data(nome do arquivo = "exposure.csv", sep = ",", snp_col = "rsids", beta_col = "beta", se_col = "sebeta", effect_allele_col = "alt", other_allele_col = "ref", pval_col = "pval", clump = TRUE). Os nomes das colunas foram adaptados de acordo com os arquivos GWAS realmente baixados.

A intensidade do instrumento foi avaliada usando a estatística F:

F = [(N − k − 1)/k] × [R²/(1 −^{R 2})],

onde N representa o tamanho da amostra, k representa o número de variáveis instrumentais, e R² representa a proporção da variância de exposição explicada pelos SNPs. R² foi calculado como

Σ[2 × MAF × (1 − MAF) × β²/(SE² × N)],

onde MAF é a frequência menor do alelo, β é a estimativa do efeito do alelo e SE é o erro padrão.

SNPs com estatísticas F > 10 foram mantidos. SNPs associados a potenciais fatores de confusão, incluindo anormalidades anatômicas congênitas e índice de massa corporal, foram identificados usando o PhenoScanner V2 e removidos.

Os SNPs de resultado foram extraídos pela fusão dos SNPs de exposição agrupados com o correspondente arquivo local de estatística de resumo GWAS de acordo com o identificador do SNP. Se o resultado GWAS reportou −log10(P), o valor P foi convertido usando P = 10^(−LP). Os SNPs de resultado extraídos foram então importados usando read_outcome_data(). Conjuntos de dados de exposição e desfechos foram harmonizados usando harmonise_data() para alinhar alelos de efeito e remover SNPs inadequados para análise por RM. SNPs palindrômicos com orientação alélica ambígua foram excluídos, e SNPs com mr_keep = TRUE foram mantidos para análises RM^{subsequentes 11}. O script detalhado para extração de SNPs de resultado, conversão de valores P e harmonização é fornecido no Arquivo Suplementar 1.

Análise estatística

Os efeitos causais entre as variáveis de exposição e de desfecho foram estimados neste estudo usando cinco métodos: o método de IVW, o método de regressão MR-Egger, o método da mediana ponderada, o método do modo ponderado e o método do modo^{simples 12}. O método IVW é considerado o padrão para análise de RM, que assume que todas as variáveis instrumentais são válidas, e é baseado no princípio de combinar as estimativas da razão de Wald, e um modelo de efeitos aleatórios é usado se houver heterogeneidade e um modelo de efeitos fixos é usado se não houver heterogeneidade. O método de regressão MR-Egger detecta potencial multicolinearidade e leva em conta a presença de um termo de interceptação na^{regressão 13}. O método da mediana ponderada requer que mais de 50% das variáveis instrumentais sejam SNPs válidos. O método do modo ponderado exige amostras menores do que outros métodos e garante menos viés e taxas de erro tipo I mais baixas. O método do modo simples permite que SNPs com efeitos semelhantes sejam agrupados de acordo com se os efeitos causais estimados são semelhantes ou^{não 14}.

No nível da função, as análises de RM foram realizadas usando a função mr() no pacote TwoSampleMR. A lista de métodos usada na análise foi especificada como c("mr_ivw", "mr_egger_regression", "mr_weighted_median", "mr_simple_mode", "mr_weighted_mode"). Razões de probabilidade e intervalos de confiança de 95% foram gerados usando generate_odds_ratios(). A implementação completa do R, incluindo a lista exata de métodos e comandos de salvamento de saída, é fornecida no Arquivo Suplementar 1.

Controle de qualidade e análise de sensibilidade

Para testar a estabilidade e confiabilidade dos resultados da RM, primeiro, o teste Q de Cochran foi usado para avaliar a heterogeneidade dos SNPs; se o teste Q de Cochran foi estatisticamente significativo, indicou que havia uma heterogeneidade significativa nos resultados^{analisados 15}. Segundo, o teste de interceptação MR-Egger foi usado para avaliar a potencial pleiotropia horizontal. Um intercepto MR-Egger estatisticamente significativo indica a presença de pleiotropia horizontal direcional na análise de RM. Terceiro, a soma residual e outlier de pleiotropia randomização mendeliana (MR-PRESSO) foi aplicada para buscar a presença de SNPs aberrantes nos resultados e, se existissem, foram eliminados e^{reanalisados 16}. Quarto, o método "deixar um fora" foi aplicado para testar a robustez dos resultados, e o efeito combinado dos SNPs restantes foi calculado excluindo SNPs um a um para avaliar o efeito dos SNPs individuais na associação entre as variáveis de exposição e^{resultado 17}.

No nível da função, a heterogeneidade foi avaliada usando mr_heterogeneity(), a pleiotropia direcional foi avaliada usando mr_pleiotropy_test(), os efeitos de SNP único foram avaliados usando mr_singlesnp(), e a análise leave-one-out foi realizada usando mr_leaveoneout(). Os gráficos diagnósticos foram gerados usando mr_scatter_plot(), mr_funnel_plot() e mr_leaveoneout_plot(). MR-PRESSO foi realizada quando o número de variáveis instrumentais disponíveis era suficiente; se o MR-PRESSO não pudesse ser realizado devido ao número insuficiente de SNPs, isso era registrado e relatado. A análise de RM e os procedimentos de controle de qualidade foram realizados usando a versão 4.3.2 do R e a versão 0.5.8 do pacote TwoSampleMR, com nível de significância de α = 0,05. Os comandos completos são fornecidos no Arquivo Suplementar 1.

Economia de saída, verificação de qualidade e relatórios

Todas as saídas intermediárias e finais foram preservadas para reprodutibilidade. Esses incluíram os SNPs de exposição selecionados, instrumentos de exposição agrupados, SNPs de resultados extraídos, conjuntos de dados harmonizados, listas de SNPs retidos, estimativas de RM, razões de chances, resultados de heterogeneidade, resultados de interceptação MR-Egger, resultados MR-PRESSO, resultados de SNP único, resultados de deixar um de fora, gráficos diagnósticos e informações de sessões R. Antes do relato, SNPs retidos foram verificados quanto à significância genômica ampla, independência do LD, status de harmonização de alelos, variantes palindrômicas ambíguas, força do instrumento, heterogeneidade, pleiotropia horizontal direcional e SNPs atípicos. Os resultados primários da RM foram reportados como razões de probabilidades com intervalos de confiança de 95% e valores P. Os resultados da análise de sensibilidade e os gráficos diagnósticos foram relatados nas tabelas e figuras suplementares. Os comandos de salvamento de saída e verificação de arquivos são fornecidos no Arquivo Suplementar 1.

Resultados

Dados GWAS para três fenótipos específicos de dor musculoesquelética, incluindo dor lombar, dor no quadril e dor no joelho, além de um fenótipo de anormalidade na marcha, foram analisados neste estudo. Informações detalhadas sobre IVs para cada fator de exposição podem ser encontradas no Arquivo Suplementar 3.

Análise por ressonância magnética da dor musculoesquelética específica do local em anormalidades na marcha

Discussão

Anomalias na marcha podem alterar as estratégias de carga e movimento das articulações dos membros inferiores, potencialmente acelerar processos 821+_osteoarthritic e contribuir para limitações funcionais que prejudicam significativamente a qualidade de vida. Essa relevância clínica tem chamado cada vez mais atenção para a interação entre disfunção da marcha e dor musculoesquelética. Estudos observacionais sugerem que dor musculoesquelética específica do local pode estar associada a uma ...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Banco de dados IEU OpenGWAS	Unidade de Epidemiologia Integrativa do MRC, Universidade de Bristol	N/A	Fonte das estatísticas resumidas GWAS para fenótipos de exposição e desfecho.
Pacote R MR-PRESSO	Pacote Marie Verbanck / R	N/A	Usado para detecção de outliers e avaliação de pleiotropia horizontal.
PhenoScanner V2	Universidade de Cambridge	V2	Recurso web usado para identificar SNPs associados a potenciais fatores de confusão.
R	Fundação R para Computação Estatística	Versão 4.3.2	Ambiente de computação estatística usado para análise de RM e controle de qualidade.
Pacote TwoSampleMR R	Unidade de Epidemiologia Integrativa do MRC, Universidade de Bristol	Versão 0.5.8	Usado para análises de IVW, MR-Egger, mediana ponderada, modo ponderado e RM em modo simples.