THROMBOSIS AND HAEMOSTASIS投稿：孟德尔随机化从零到9分SCI，5个月发表全流程

孟德尔随机化怎么操作?我有个学员想要在THROMBOSIS AND HAEMOSTASIS发表论文，他想到了2023超火热的孟德尔随机化发文方法，不知道这个方法具体怎么操作，想要具体了解下！

孟德尔随机化实际上就是一种统计学方法，它利用遗传学原理来探索环境暴露、行为特征或生物学标志物与疾病之间的因果关系。比如：肥胖是否会导致心脏病？

在流行病学研究中，由于混杂因素和反向因果关系的存在，观察性研究常常难以确定某个风险因素是否会直接导致特定的健康结果。而孟德尔随机化则借鉴了自然选择和遗传随机化的概念，将个体基因型作为工具变量，来间接估计暴露和结局之间的因果关系。

什么意思呢？举个通俗的例子来感受一下：

假设你想知道肥胖是否会导致心脏病。在现实生活中，我们如果想通过观察性研究来解答这个问题，则可能会存在以下问题：

一、混杂因素的影响

肥胖的人可能还有其他不健康的生活习惯，比如吸烟、少运动等等。这就使得我们如果直接观察肥胖人群和心脏病的关系，也不能得出关于肥胖是否会导致心脏病的结论，因为你很难区分究竟是肥胖导致的心脏病，还是其他那些不良生活习惯导致的。

二、反向因果的影响

到底是肥胖导致人更加容易得心脏病，还是患有心脏病的人群本身就更加容易肥胖呢？是A导致了B，还是B导致了A？这种反向因果的影响也会导致我们做观察性研究所得出的结论不可靠。

而孟德尔随机化，其实就是借助于人与生俱来的基因，尝试来解答这个问题。

我们知道，有一些基因与体重指数（BMI）相关，拥有这个特定基因的人群会更加容易肥胖。现在我们就把这些与肥胖有关的基因当作“工具变量”，去分析携带这个“容易肥胖基因”的人群，他们患心脏病的风险是否更高。

因为基因是与生俱来的，且先天具有随机分配的特性，而且一旦拥有通常就不会受后天环境和行为因素的影响，所以既排除了混杂因素，也没有反向因果，非常接近于随机对照实验的设计原则。

这个时候，如果我们分析发现携带这个基因的人群确实就是更加容易患心脏病，那么我们就可以更接近真相地认为：肥胖可能就是引起心脏病的一个重要原因。

这就是孟德尔随机化的大概思路。

2023年是孟德尔随机化发文章非常火热的一年。我们的一个学员从今年3月开始学习，到8月就成功发表了一篇9分的一区Top文章，可以说是效率满满。

为什么孟德尔随机化发文章可以这么快呢？

实际上就是因为孟德尔随机化研究方法相对来说比较固定：

整个过程不需要你做实验，也不需要你收集医院的病例数据，靠分析现有的公共数据库就行了，所以学会方法后成文非常非常快。

本期刊详细指标入口：THROMBOSIS AND HAEMOSTASIS