很多人問過我敏感性分析的問題，說明大家對敏感性分析普遍是有疑問的，我之前的推文中也沒有詳細的講過，因此決定寫這一篇補充一下敏感性分析的工作。
什么是敏感性分析
敏感性分析定義：敏感度分析是研究數學模型或系統(數值或其他)輸出中的不確定性如何在其輸入中被分配到不同的不確定性來源 ——摘自維基百科。
我知道這段拗口的定義讓人看了，感覺跟沒看一樣。
所有的文字都認識，但是連起來就讀不懂是什么意思了。
所以我直白的翻譯一下，敏感性分析就是通過一些手段鑒定結果是否靠譜的一項分析。
為什么要進行敏感性分析
前面回答了敏感性分析的定義，顯而易見，它的作用包括以下三項：
1）評估結果是否穩健，結論是否靠譜；
2）評估結果是否有潛在的偏倚（比如基因多效性，數據異質性）；
3）評估是否存在某一個工具變量嚴重影響結局變量；
敏感性分析包括什么
廣義的敏感性分析包括以下三項：
1）基因多效性檢驗；
2）異質性檢驗；
3）“leave-one-out”法；
俠義的敏感性分析指的是“leave-one-out”法。
現在大多數的孟德爾隨機化研究提到敏感性分析的時候指的是“leave-one-out”法。
基因多效性和異質性檢驗會單獨拎出來講。
敏感性分析的結果怎么看
1）基因多效性檢驗；
關于基因多效性的文章我之前有講過，見推文使用MR-PRESSO檢驗水平基因多效性（孟德爾隨機化分析）。
我這里就不再贅述了。
2）異質性檢驗；
來自不同的分析平臺、實驗、人群等的工具變量（IV，一般指SNP）可能存在異質性，最終影響結果。
異質性檢驗我之前也寫過的，見推文有相關性就有因果關系嗎，教你玩轉孟德爾隨機化分析
命令很簡單，就一句mr_heterogeneity(dat)
異質性檢驗的結果看P值，P值大于0.05說明納入的 IVs 不存在異質性，研究結果不需要考慮異質性造成的影響。
3）“leave-one-out”法；
“leave-one-out”法指的是逐步剔除每個SNP，計算剩余SNP的meta效應，觀察剔除每個SNP后結果是否發生變化，如果剔除了某一個SNP后，結果改變很大，說明存在某一個SNP對結果影響很大，這是我們不愿意看到的情況。
理想的情況應該是逐步剔除某個SNP后結果變化不大。
如下圖所示，剔除每個SNP后，總體的誤差線變化不大（所有的誤差線均在0的右側或者所有的誤差線在0的左側），說明結果是靠譜的。
這期就講到這啦，如果你有什么疑問，歡迎進群交流（見公眾號菜單欄）或者向我提問，我會結合大家的需求考慮是否發推文統一解答。
