Анализы IVW показывают, что боль в пояснице и бедре может быть связана с аномалиями походки, тогда как боль в коленях и обратные ассоциации остаются неоднозначными.
Исследовательская статья
* These authors contributed equally
Анализы IVW показывают, что боль в пояснице и бедре может быть связана с аномалиями походки, тогда как боль в коленях и обратные ассоциации остаются неоднозначными.
Аномалии походки связаны с изменённой биомеханикой нижних конечностей и функциональными нарушениями при нарушениях опорно-двигательного аппарата. Хотя в наблюдательных исследованиях боль в пояснице, бедре и колене связывают с нарушениями походки, их причинно-следственная связь остаётся неясной. Мы провели двунаправленное менделевское рандомизационное исследование (MR) для оценки возможных причинных связей между болью, специфичной для конкретного места, и аномалиями походки. Независимые однонуклеотидные полиморфизмы, полученные из масштабных исследований ассоциаций по всему геному, использовались как генетические инструменты для болей в пояснице, бедре и колене. Аномалии походки, определённые в исходном GWAS как самосообщаемые трудности при ходьбе, использовались как результат в анализах прямого МР и как воздействие в обратном МР-анализе. Основным анализом стал метод с обратным дисперсией (IVW), подкреплённый анализами чувствительности на гетерогенность, горизонтальную плейотропию и устойчивость. В анализе форвардов генетически предсказанная боль в пояснице (OR = 1,53, 95% CI = 1,058–2,219, P = 0,024) и боль в бедре (OR = 1,55, 95% CI = 1,067–2,252, P = 0,021) были связаны с повышенным риском аномалий походки в анализах IVW. Однако четыре дополнительных метода МРТ не были статистически значимыми, хотя оценки в целом были согласованы по направлениям. Генетически предсказанная боль в колене не показала значимой связи (OR = 2,15, 95% ДИ = 0,234–19,789, P = 0,498), при этом значительная неопределённость отражалась в широком доверительном интервале. Обратный МР-анализ не выявил доказательств того, что генетическая ответственность к аномалиям походки увеличивает риск болей в пояснице, бедре или коленях, хотя было доступно только четыре SNP по аномалиям походки. Существенной гетерогенности или горизонтальной плейотропии не обнаружено. В целом, это исследование предоставляет ограниченные генетические данные на основе IVW о том, что боль в пояснице и бедре могут быть связаны с нарушениями походки. Результаты следует интерпретировать осторожно и проверять с помощью больших наборов данных GWAS с усовершенствованными фенотипами.
Аномалии походки могут быть вызваны моторными или сенсорными нарушениями, а их клинические характеристики зависят от местоположения и характера патологии. Специфические аномальные паттерны походки могут давать важные диагностические подсказки для конкретных заболеваний. Примечательно, что при нарушениях опорно-двигательного аппарата аномалии походки часто проявляются с характерными биомеханическими характеристиками и тесно связаны с болью, нарушением суставов и снижениемподвижности 1,2,3. Исследования показали, что длительные нарушения походки могут усугублять состояние пациентов состеоартритом 4. Кроме того, устойчивая аномальная походка может увеличивать нестабильность двигательных суставов и изменять нагрузку на суставы; Повторяющиеся суставные действия при аномальной механике могут усугублять повреждения суставов, вызывая боль, способствуя постепенной атрофии мышц и вызывая более выраженную потерю мышечной силы. Эти факторы могут взаимодействовать, образуя порочный круг, способствуя прогрессирующему усугублению боли и нарушению функциональных функций у пациентов с нарушениями опорно-двигательногоаппарата 5. Поэтому уточнение направления и возможной причинно-следственной связи между болью в области мышечно-скелетного аппарата и аномалиями походки может помочь интерпретировать связь наблюдательной боли и походки и вдохновить будущие исследования дисфункции и реабилитации походки.
Однако, несмотря на накопление наблюдательных данных, связывающих специфическую боль — такую как боль в пояснице, бедре и колене — с нарушением походки, традиционные наблюдательные исследования уязвимы к путанице, ошибкам измерения и обратной причинности, что затрудняет определение направления и причинности этих связей. Кроме того, связь между болью и походкой может включать адаптацию центральной нервной системы и модуляцию ноцицептивной информации, поступающей с периферии, что дополнительно усложняет интерпретацию наблюдаемых ассоциаций боли и походки. Менделевская рандомизация (МР) — это эпидемиологический подход, разработанный для преодоления ключевых ограничений наблюдательных исследований и широко применяемый в исследованиях причинно-следственных выводов. MR использует независимые однонуклеотидные полиморфизмы (SNP) в качестве инструментальных переменных для вывода потенциальных причинно-следственных связей между воздействием ирезультатами 6. Например, вместо назначения пациентов с болями в пояснице, МР может исследовать, связана ли генетическая ответственность к болям в пояснице с результатами, связанными с походкой, в крупных наборах данных по всему геному (GWAS). Поскольку генетические варианты случайным образом распределяются при зачатии, то есть при формировании эмбриона, МР может уменьшить смещённость факторов, таких как возраст, индекс массы тела, физическая активность и сопутствующие заболевания опорно-двигательного аппарата. Этот подход подходит для изучения причинно-следственных связей на уровне популяции, когда имеются хорошо обоснованные данные GWAS и достоверные генетические инструменты. Однако фенотипы, использованные в этом исследовании, были широкими, самооценёнными признаками GWAS, и могут не полностью отражать степень боли, длительность симптомов, подтверждённые клиницистами диагнозы или объективные параметры походки. Используя случайное распределение генетических вариантов при зачатии, МРТ может эффективно смягчать предвзятость со стороны смешанных факторов и обратить обратно причинность, давая более правдоподобные причинно-следственные доказательства.
Целью данного исследования было проведение двунаправленного МР-анализа с использованием сводных данных GWAS о самосообщаемых болях в пояснице, бедре и коленях, а также с данными GWAS об аномалиях походки из базы данных IEU Open GWAS. В этом исследовании фенотипы боли отражали широкие самосообщаемые местно-специфические признаки боли, а аномалии походки отражали собственные трудности с ходьбой, а не подтверждённые клиницистами диагнозы, лабораторно измеренные параметры походки или стандартизированные функциональные показатели. Этот двунаправленный дизайн был направлен на оценку направления потенциальных причинных связей между местно-специфической болью в опорно-двигательном аппарате и аномалиями походки с использованием сводной статистикиGWAS 7.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
В этом исследовании использовались общедоступные обобщающие данные общего геномного ассоциативного исследования (GWAS) из базы данных IEU OpenGWAS и каталога GWAS. Данные участников индивидуального уровня не были доступны, и новых человеческих участников не привлекалось. Этическое одобрение и письменное информированное согласие были получены в оригинальных исследованиях GWAS. Поэтому дополнительное одобрение комиссии по институциональному обзору для текущего вторичного анализа общедоступной сводной статистики не требовалось.
Принцип обучения и конструкция
Основные этапы исследования МР включают получение сводных данных GWAS, скрининг и оценку SNP, проведение статистического анализа и внедрение мер контроля качества. Как показано на рисунке 1, точность МР-анализа основана на выполнении трёх ключевых предположений: (1) предположение релевантности: IV должны быть релевантны к фенотипам воздействия, а именно боли в пояснице, бедре иколене 8; (2) предположение независимости: IV не имеют отношения к смешивающим факторам, влияющим на «результат воздействия»; (3) предположение об эксклюзивности: IV влияют на результат только через воздействие, а не через другиепути 9. Коэффициенты воздействия и переменные исхода будут обменяться в каждом анализе, чтобы определить, существует ли обратная причинность между ними.
Для повышения воспроизводимости полный вычислительный рабочий процесс, используемый для локального импорта сводной статистики GWAS, экстракции SNP, концентрации LD, экстракции результатов SNP, гармонизации аллелей, анализа MR, анализа чувствительности, диагностического построения графиков и сохранения выходных данных предоставляется в виде дополнительного кода 1. Основной текст описывает ключевые шаги протокола, тогда как Дополнительный файл 1 предоставляет соответствующую реализацию R на уровне команд и функции.
Источники данных
Данные, связанные с болями в пояснице, бедре и коленях, получены из базы данных IEU openGWAS, а веб-сайт — https://gwas.mrcieu.ac.uk/. Конкретные вопросы, используемые для определения этих состояний, можно найти в дополнительном файле 2. Боль в пояснице, бедре и колене были определены на основе самоотчетных местно-специфичных болевых показателей в оригинальных наборах GWAS. Набора данных по болям в пояснице GWAS: ebi-a-GCST90018797 , с выборкой 468269, включающей 22 413 пациентов с болью в пояснице, и 445 856 контрольных групп в популяции, с общим числом SNP 24174741. Налет GWAS ID набора по боли в бедре: ebi-a-GCST90013968, с выборкой 407746 и общим количеством SNP 11039206. Налет данных по боли в колене с идентификационным номером GWAS: ukb-b-16254, с выборкой 461857, включающей 98704 пациента с болью в колене, а также контрольную популяцию из 363153 с общим числом SNP 9851867. Данные GWAS об аномалиях походки также получены из базы данных IEU openGWAS. Идентификационный номер набора аномалий походки GWAS: finn-b-R18 _ABNORMALITI_GAIT_MOBIL, с выборкой 210717, включая 1348 случаев аномалий походки и контрольные популяции 209369, а также выявлено 1638044 локусов SNP. Подробности приведены в Таблице 1.
Для воспроизводимого сбора данных исследователям следует искать каждый GWAS ID, указанный выше в базе данных IEU OpenGWAS, скачать соответствующий сводный статистический файл GWAS, где он доступен, и сохранить файл как локальный текстовый или запятый файл перед импортом в R. В вычислительном рабочем процессе, использованном в этом исследовании, локальные файлы сводной статистики GWAS импортировались в R с использованием read.table() или read.csv(), в зависимости от формата исходного файла. Был принят рабочий процесс на основе локальных файлов, чтобы гарантировать повторную обработку одних и тех же загруженных файлов GWAS с помощью фиксированных столбцов и идентичных команд анализа. Точные команды R для импорта и обработки локальных файлов приведены в дополнительном файле 1.
Отбор и вход в SNP
SNP, существенно связанные с каждым фенотипом воздействия, были извлечены из сводных наборов данных GWAS с использованием порога значимости по всему геному P < 5 × 10⁻8. Если при этом пороге было доступно менее трёх независимых SNP, порог ослаблялся до P < 5 × 10⁻6 для получения достаточного количества генетических инструментов для МР-анализа. Дисбаланс связей оценивался с использованием r2 < 0,001 в окне 10 000 кб для обеспечения независимости инструментальных переменных.
На уровне скрипта сводная статистика экспозиции GWAS сначала импортировалась в R и фильтровалась по заранее заданному порогу P-значения. Выбранные SNP экспозиции затем сохранялись в виде экспозиционного файла и форматировались в соответствии с требованиями пакета TwoSampleMR. Требуемые столбцы отображения включали идентификатор SNP, оценку эффекта, стандартную ошибку, аллель эффекта, другие аллели и значение P. В воспроизводимом рабочем процессе R данные о воздействии импортировались с помощью read_exposure_data(), а скопление LD осуществлялось с установкой clump = TRUE. Соответствующая структура команд R была следующей: read_exposure_data(имя файла = "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). Названия колонок адаптировались в соответствии с фактически загруженными файлами GWAS.
Прочность прибора оценивалась с помощью статистики F:
F = [(N − k − 1)/k] × [R2/(1 −R 2)],
где N — размер выборки, k — количество инструментальных переменных, а R2 — долю дисперсии экспозиции, объясняемую SNP. R2 был рассчитан как
Σ[2 × MAF × (1 − MAF) × β2/(SE2 × N)],
где MAF — это частота малого аллеля, β — оценка эффекта аллеля, а SE — стандартная ошибка.
SNP с статистикой F > 10 были сохранены. SNP, связанные с потенциальными факторами, включая врождённые анатомические аномалии и индекс массы тела, были выявлены с помощью PhenoScanner V2 и удалены.
Результаты SNP извлекались путём объединения скопленных SNP с соответствующим локальным итоговым статистическим файлом GWAS по результатам согласно идентификатору SNP. Если результат GWAS отображался −log10(P), значение P преобразовывалось с помощью P = 10^(−LP). Извлеченные SNP с результатами затем импортировались с помощью read_outcome_data(). Наборы экспозиций и результатов были гармонизированы с помощью harmonise_data() для выравнивания аллелей эффекта и удаления SNP, неподходящих для МР-анализа. Палиндромные SNP с неоднозначной ориентацией аллелей были исключены, а SNP с mr_keep = TRUE сохранены для последующихMR-анализов 11. Подробный сценарий для извлечения SNP результатов, преобразования P-значений и гармонизации представлен в Дополнительном файле 1.
Статистический анализ
Причинно-следственные эффекты между переменными воздействия и исхода были оценены в этом исследовании с помощью пяти методов: метода IVW, регрессии MR-Egger, взвешенного медианного метода, взвешенного режима и метода простогорежима 12. Метод IVW считается стандартным методом MR-анализа, который предполагает, что все инструментальные переменные валидны, и основан на принципе объединения оценок коэффициента Вальда; при наличии гетерогенности используется модель случайных эффектов, а при отсутствии гетерогенности применяется модель фиксированных эффектов. Метод регрессии MR-Эггера обнаруживает потенциальную мультиколлинеарность и учитывает наличие перехватного члена врегрессии 13. Взвешенный медианный метод требует, чтобы более 50% инструментальных переменных были действительными SNP. Метод взвешенного режима требует меньших размеров выборок по сравнению с другими методами и обеспечивает меньшую смещённость и меньшую ошибку типа I. Метод простого режима позволяет группировать SNP с похожими эффектами в зависимости от того, схожи ли оцениваемые причинныеэффекты 14.
На уровне функций МР-анализ проводился с использованием функции mr() в корпусе TwoSampleMR. Список методов, использованный в анализе, был указан как c("mr_ivw", "mr_egger_regression", "mr_weighted_median", "mr_simple_mode", "mr_weighted_mode"). Коэффициенты шансов и 95% доверительные интервалы были получены с помощью generate_odds_ratios(). Полная реализация R, включая точный список методов и команды сохранения вывода, представлена в дополнительном файле 1.
Контроль качества и анализ чувствительности
Для проверки стабильности и надёжности результатов МРТ сначала использовался тест Cochran Q для оценки гетерогенности SNP; если тест Cochran Q был статистически значим, это указывало на значимую гетерогенность в анализируемыхрезультатах 15. Во-вторых, тест перехвата MR-Egger использовался для оценки потенциальной горизонтальной плейотропии. Статистически значимый перехват MR-Egger указывает на наличие направленной горизонтальной плейотропии в МР-анализе. В-третьих, была применена менделевская рандомизационная плейотропная остаточная сумма и выброс (MR-PRESSO) для поиска наличия выбросов SNP в результатах, и если они были, их исключали и повторноанализировали 16. В-четвёртых, для проверки надёжности результатов применялся метод «оставшихся SNP», а совокупный эффект оставшихся SNP рассчитывался путём исключения SNP по одному, чтобы оценить влияние отдельных SNP на связь между воздействием и исходнымипеременными 17.
На уровне функций гетерогенность оценивалась с помощью mr_heterogeneity(), направленная плейотропия — с помощью mr_pleiotropy_test(), эффекты одиночного SNP — с помощью mr_singlesnp(), а анализ с оставленным с использованием mr_leaveoneout(). Диагностические графики были созданы с использованием mr_scatter_plot(), mr_funnel_plot() и mr_leaveoneout_plot(). MR-PRESSO выполнялся, когда количество доступных инструментальных переменных было достаточным; если MR-PRESSO не удалось провести из-за недостаточного количества SNP, это фиксировалось и сообщалось. Процедуры MR-анализа и контроля качества проводились с использованием версии R 4.3.2 и версии пакета TwoSampleMR 0.5.8 с уровнем значимости α = 0.05. Полные команды приведены в Дополнительном файле 1.
Сохранение результатов, проверка качества и отчётность
Все промежуточные и конечные выходы сохранялись для воспроизводимости. К ним относились выбранные SNP воздействия, инструменты для скопления экспозиции, извлечённые результаты SNP, гармонизированные наборы данных, сохранённые списки SNP, оценки MR, коэффициенты шансов, результаты гетерогенности, результаты перехвата MR-Egger, результаты MR-PRESSO, результаты одиночных SNP, результаты с исключением, диагностические графики и информация о сессии R. Перед подачей отчетности удержанные SNP проверялись на значимость по всему геному, независимость LD, статус гармонизации аллелей, неоднозначные палиндромные варианты, силу прибора, гетерогенность, направленную горизонтальную плейотропию и выбросы SNP. Первичные результаты МРТ были представлены как коэффициенты шансов с 95% доверительными интервалами и значениями P. Результаты анализа чувствительности и диагностические графики были представлены в дополнительных таблицах и рисунках. Команды сохранения вывода и проверки файлов размещены в дополнительном файле 1.
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
В этом исследовании были проанализированы данные GWAS для трёх фенотипов боли в области мышечно-скелетного аппарата, включая боль в пояснице, бедра и коленя, а также один фенотип аномалии походки. Подробную информацию о IV для каждого коэффициента воздействия можно найти в дополнительном файле 3.
МР-анализ специфической местно-мышечно-скелетной боли при нарушениях походки
В этом исследовании были ис...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Аномалии походки могут влиять на нагрузку и движения суставов нижней части конечностей, потенциально ускорять процессы 821+_osteoarthritic и способствовать функциональным ограничениям, которые заметно ухудшают качество жизни. Эта клиническая значимость привлекла всё больше внимания к взаимодействию между дисфункцией походки и болью в опорно-двигательном аппарате. Наблюдательные исследования показывают, что местно-специфическая боль в опорно-двигательном аппарате может быть связана с нару...
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
Авторы заявляют, что у них нет конкурирующих интересов. Авторы заявляют, что у них нет известных конкурирующих финансовых интересов или личных отношений, которые могли бы повлиять на работу, описанную в этой статье.
Авторы хотели бы выразить признательность всем участникам исследования. Это исследование было профинансировано Национальным фондом естественных наук Китая (82274642, 82474631, 82205246), командой «пика» плана подготовки талантов Пекинского центра управления больницами (DFL20241001) и фондами фундаментальных исследований для муниципальных университетов Пекина (XJJS202555).
Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| База данных IEU OpenGWAS | Интегративное эпидемиологическое подразделение MRC, Университет Бристоля | Н/Д | Источник сводной статистики GWAS по фенотипам воздействия и исхода. |
| Пакет MR-PRESSO R | Пакет Мари Вербанк / R | Н/Д | Используется для обнаружения выбросов и оценки горизонтальной плейотропии. |
| PhenoScanner V2 | Кембриджский университет | V2 | Веб-ресурс, используемый для выявления SNP, связанных с потенциальными заморачивающими факторами. |
| R | R Foundation для статистических вычислений | Версия 4.3.2 | Среда статистических вычислений, используемая для анализа МР и контроля качества. |
| Пакет TwoSampleMR R | Интегративное эпидемиологическое подразделение MRC, Университет Бристоля | Версия 0.5.8 | Используется для анализов IVW, MR-Egger, взвешенной медианы, взвешенного режима и простого режима MR. |
Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE
Запросить разрешение