孟德爾隨機化是工具變量分析的一種類型，由于其自身特殊的優勢及基因組學的迅速發展，近年來受到醫學研究領域的青睞。了解孟德爾隨機化的原理、方法及局限性對于正確應用孟德爾隨機化方法及解讀結果至關重要。本文旨在介紹孟德爾隨機化的基本概念、原理、方法和局限性，以期為研究者進行孟德爾隨機化研究提供指導。
目的 以實證研究的方式探討罕見事件Meta分析中大型研究與小型研究之間的差異。方法 通過2003年1月至2018年5月The Cochrane數據庫收集的系統評價數據，篩選出具有罕見事件、至少納入5個研究和至少納入1個大型研究的二分類結局變量的Meta分析。采用Peto和經典OR值作為效應量，比較包含大型研究與排除大型研究（僅小型研究）Meta分析OR值的大小、方向和P值。結果 共納入214個Meta分析。在214對OR值中，基于Peto OR值，有66對（30.84%）OR值的方向不一致（Kappa=0.33）；基于經典OR值，有69對（32.24%）OR值的方向不一致。多數（83.18%）小型研究的Meta分析中，采用Peto方法與經典方法相比，得出的P值更小。結論 對有罕見事件二分類變量結局指標的Meta分析，采用不同的效應量和統計方法，包含大型研究的結果和小型研究的結果之間存在較大差異。
因果推斷是醫學研究的主要目標之一，但由于缺乏對因果推斷理論的深入認識，研究者為增強結果的可信性會盲目地采用多種統計方法對同一問題進行分析。這導致在比較和解釋結果時出現較多問題。本文從因果推斷反事實框架的潛在結果、因果效應和分配機制3個基本概念出發，解讀因果推斷中6個主要的效應量，并討論不同情況下各效應量的可比性問題，以期望幫助研究者認識因果推斷的原理，正確解讀和比較研究結果以避免產生誤導性的結論。