045
Intro
Possible Selection Bias in Mendelian Randomization Studies: Effect of Body Mass Index on Breast Cancer as an Example 是 Kezhen Fei 等人在 2026 年发表于 American Journal of Epidemiology 的文章。它讨论一个老问题：一些 MR 研究发现 genetically predicted BMI 越高，乳腺癌风险反而越低，这和肥胖增加绝经后乳腺癌风险的流行病学和机制证据相冲突。
作者给出的解释是 survivor selection bias。更准确地说，他们怀疑不是 MR 算法突然坏了，而是 MR 使用的 GWAS summary statistics 已经被入组和存活选择污染了。这个 distinction 很重要，因为文章标题批的是 MR studies，但病根其实在 GWAS ascertainment。
Why I Read It
我读它只是因为题目和摘要提到 MR selection bias。读之前并不知道它具体要证明什么，也不清楚偏倚具体是什么。
读完后才发现，作者真正证明链条并不在 MR 方法本身，而在 MR 使用的 GWAS summary statistics：如果 outcome GWAS 里的 SNP-outcome association 已经因为入组/存活机制而偏，MR 会继承这个偏倚。也就是说，它把一个本质上发生在 GWAS ascertainment / SNP-outcome association 层面的潜在问题，包装成 MR 研究的选择偏倚；同时又用 sibling breast cancer history 这种很脆的 proxy outcome 来支撑解释。它可以作为“有人这样批评 MR”的案例，但不能当成一个强证据。
What It Says
作者先做了两步铺垫。第一步，用 GIANT 的女性 BMI GWAS 作为暴露，用 UK Biobank 中 mother’s attained age GWAS 作为女性 lifespan proxy，做 two-sample MR。结果是 genetically predicted BMI 越高，寿命 proxy 越短：每 1 SD BMI 增加对应约 -1.50 年，95% CI 为 -2.30 到 -0.70。
第二步，他们把乳腺癌 liability 作为暴露，同样用 mother’s attained age 作为结局，说明乳腺癌 genetic liability 也和更短寿命相关。到这里，作者想建立的是一个选择偏倚前提：BMI 会影响活到入组，乳腺癌也会影响活到入组。
第三步才是 BMI 到乳腺癌的 MR。暴露仍然是 GIANT female-specific BMI GWAS，结局换成三套乳腺癌 GWAS。用 BCAC 的参与者本人乳腺癌，BMI 看起来降低乳腺癌风险，OR = 0.74，95% CI 0.64-0.84。用 UK Biobank 的参与者本人乳腺癌，结果也类似，OR = 0.70，95% CI 0.56-0.87。但用 UK Biobank 参与者报告的 sibling breast cancer history 作为 proxy outcome 时，关联消失，OR = 1.00，95% CI 0.99-1.01。
作者据此说：既往 MR 里 BMI 对乳腺癌的“保护效应”可能是 survivor selection bias 造成的假象。机制是，GWAS 只纳入活到中老年且能参加研究的人；如果高 BMI genetic liability 和乳腺癌都影响存活入组，那么在这个被选择过的样本里，SNP 到乳腺癌的关联可能被扭曲。
What I Take From It
这篇文章真正有价值的地方只有一个：它提醒 MR 继承 GWAS 的偏倚。如果 outcome GWAS 里的 SNP-outcome beta 已经因为 survivor selection、case ascertainment 或 biobank participation 被扭曲，two-sample MR 不会自动修复它。MR 用的是 summary beta，不是完整世界。
但文章把这个问题说成 “MR studies may suffer from selection bias”，其实有点转移火力。更准确的说法应该是：GWAS ascertainment bias can bias downstream MR estimates。MR 是下游受害者，GWAS 输入才是偏倚进入系统的地方。
我不觉得这篇能证明既往 BMI-乳腺癌 MR 结果已经被推翻。它只能说明：那些结果可能存在 survivor selection 的解释。这个可能性值得记录，但不能被当成强证据。
Note
这篇文章最大的问题是，它几乎全靠 MR 套 MR 来讲一个选择偏倚故事。它没有直接观察谁因为高 BMI 或乳腺癌死在入组前，也没有量化真实入组机制。它先用 MR 证明 BMI genetic liability 和乳腺癌 liability 都跟寿命 proxy 相关，然后再用另一个 proxy outcome 说保护效应消失。逻辑是可以画成 DAG 的，但证据链仍然很间接。
更麻烦的是 sibling breast cancer history。这个变量不是兄弟姐妹参加 UKB 后被完整随访诊断出来的乳腺癌，而是 UKB 参与者报告“兄弟姐妹有没有乳腺癌”。它本质上是参与者 SNP 和亲属疾病史之间的 proxy-phenotype GWAS。因为兄弟姐妹有遗传相关性，这不是完全荒唐；但它很脆，受报告误差、家庭结构、筛查机会、医疗可及性、家庭健康意识和社会经济条件影响。拿这个 proxy 的 null result 去反推本人乳腺癌 GWAS 的保护效应是 survivor bias，力度不够。
文章还把选择机制讲得过于单向。现实里，乳腺癌患者或有家族史的人可能更常接触医疗系统，更容易被诊断、登记或参与研究；健康志愿者效应、教育、收入、筛查意识也都会影响 UKB/BCAC 这类数据的组成。selection bias 的方向未必只会让病例缺失，也可能在某些路径上放大病例纳入。作者没有真正处理这个复杂性。
所以这篇可以引用来提醒：MR 不能默认 GWAS beta 干净，biobank survivor selection 会传导到 MR。但不要把它当作强实证证据。它更像一篇方法学质疑短文：问题意识对，实证支撑弱，批 MR 的姿势也不够精确。