Klinik och Vetenskap
13 02 06/PN
Final version, accepterad i Läkartidningen
Mendelsk randomisering – en ny analysmetod ökar
förståelsen för kausalitet i kardiovaskulära risksamband
Peter M Nilsson, professor, överläkare 1,2
1. Institutionen för kliniska vetenskaper, Lunds universitet samt
2. Internmedicinska kliniken, Skånes Universitetssjukhus, Malmö
Korresponderande författare
Peter M Nilsson, professor, överläkare
Institutionen för kliniska vetenskaper, samt
Internmedicinska kliniken
Skånes Universitetssjukhus
205 02 Malmö
Tel. 040-33 24 15
e-mail: [email protected]
1
Antal ord: 2207 (inklusive sammanfattande punkterna med 135 ord), samt 3 tabeller och 2
figurer
Antal referenser: 50, varav 20 skall markeras för den tryckta versionen.
Jävsdeklaration:
Inga relevanta intressekonflikter finns för detta manus.
2
Sammanfattning
Analys av kausalitet är den observationella epidemiologins klassiska problem. Detta
medför ofta stora svårigheter i att identifiera ett oberoende inflytande på risk av en
viss riskmarkör
Inom genetiken finns det en metod, mendelsk randomisering, för att undersöka
kausalitet. Denna bygger på antagandet om att en specifik genetisk programmering för
en viss biomarkör måste motsvaras av ett liknande samband mellan den genetiska
markören och det kliniska utfallet för att kunna påstå att biomarkören uppvisar ett äkta
samband med utfallet.
Baserat på denna metod har man funnit att några riskfaktorer/markörer uppvisar
kausalitet med t.ex. risk för hjärtinfarkt (t.ex. LDL kolesterol) medan andra inte
förefaller att kunna göra detta (C-reaktivt protein, HDL kolesterol).
Dessa förhållanden kan få betydelse inte bara för mekanistisk förståelse av
sjukdomsprocesser utan även för utveckling av kausalt riktad preventiv behandling.
3
Inom kardiovaskulär epidemiologi har en lång rad riskmarkörer presenterats under mer än 60
år av forskning, där de klassiska består av hypertoni, hyperlipidemia, rökning och diabetes.
Detta baserar sig på pionjärstudier t.ex. från befolkningsundersökningar i Framingham med
start i slutet av 1940-talet [1] och har sedan utvecklats i moderna riktlinjer, såväl i Sverige [2]
som internationellt [3]. En utmaning som också kan innebära tolkningsproblem är att listan av
riskmarkörer nu ökat betydligt, såväl bland biomarkörer som bland genetiska markörer, t.ex. i
relation till risk för hjärtinfarkt. Man har, baserat på klassiska kriterier, även krävt att en
positiv preventiv effekt kunnat påvisas vid intervention mot en riskmarkör i en eller flera
randomiserad, kontrollerad studie, för att denna skall kunna få status som kausal riskfaktor.
Många av dessa riskfaktorer tenderar dock att samvariera, t.ex. inom det som kallats metabolt
syndrom, baserat på bukfetma samt stegring av glukos och blodtryck liksom förekomst av
dyslipidemi (höga triglycerider, lågt HDL kolesterol).
Med utvecklingen av den nya kardiovaskulära genetiken [4,5] har analysmetoder presenterats
för att närmare kunna analysera kausalitet (kausal inferens) i relation till risk för sjukdom.
Dessa bygger på kända metoder och matematiska formler, t.ex. instrumentvariabelanalys, men
har nu fått ett nytt användningsområde. En av de mest omskrivna för närvarande är den som
kallas mendelsk randomisering, och där ett utvecklingsarbete bedrivits under senare år [6-9].
Denna metod bygger på antagandet att det i populationsbaserade studier av gen-sjukdoms
association det är så att den slumpartade fördelningen av alleler vid utformning av könsceller
(gameter), den s.k. Mendels andra lag, resulterar i en slumpvis och oberoende association
mellan alleler och miljöfaktorer som uppträder senare i livet (Figur 1). I teorin medför detta
att det bör bli en liknande fördelning av till sjukdom icke-associerade genetiska markörer
mellan individer som senare utvecklar sjukdom och de som förblir friska för denna sjukdom
ifråga. Här skall redogöras för några viktiga fynd då mendelsk randomisering tillämpats för
4
att bättre kunna förstå kausalitet vad gäller fr.a. kardiovaskulär risk med fokus på hjärtinfarkt,
men även avseende vissa associerade sjukdomar. Man bör dock komma ihåg att denna metod
även kan ha vissa svagheter samt förutsätter några definierade kriterieroch att tillräckligt stora
befolkningsstudier bildar underlag för analyserna. Avsaknad av samband mellan gen och
sjukdom kan även tala för inflytande av omätta miljöfaktorer ledande till gen-miljö eller gengen interaktion som antingen kan förstärka eller försvaga ett samband mellan en viss enskild
genetisk markör och ett visst sjukdomsuttryck [10]. Detta kan vara speciellt relevant för
subgrupper inom en större population vilket inte alltid kan synliggöras vid analyser av hela
populationen i fråga. Förutsättningar för analys med mendelsk randomisering sammanfattas i
tabell 1. Det finns likheter mellan mendelsk randomisering och en randomiserad studie (Figur
2) men det är inte alla medicinska frågeställningar som lämpar sig för randomiserade
intervention och då kan analys med hjälp av mendelsk randomisering vara ett alternativ. Detta
gäller t.ex. analyser av samband mellan olika skadliga agens i livsstil eller miljö då
randomisering inte är tillämplig, eller för riskmarkörer där ingen känd intervention existerar.
Effekter som ses efter analys med mendelsk randomisering kan ofta vara mer påtagliga än de
som kan fås fram i interventionsstudier. En orsak till detta är att genetiska mekanismer följer
individen under hela livet men att interventionsstudier, t.ex. i medelåldern endast pågår några
få år [7]. Randomiserade studier behövs dock även för att kunna skatta grad av positiva
kliniska effekter i relation till biverkningar, liksom kostnadseffektivitet med en viss
behandling.
Biomarkörer med kausala risksamband
Med användande av mendelsk randomisering har flera forskargrupper kunna påvisa kausala
samband mellan LDL kolesterol [11,12] och liporotein (a) [13] samt senare uppträdande risk
för hjärtinfarkt. Detta har lett till slutsatsen att livlångt låga nivåer av LDL kolesterol kan
5
skydda mot hjärtinfarkt och att detta kan motivera tidig behandling hos riskindivider [12].
Baserat på andra studier har det även visats vara möjligt att beräkna ett genetiskt risk-score för
lipidmetabolism relaterad till LDL kolesterol, även oberoende av cirkulerande nivåer av LDL
kolesterol [14]. Farmakologisk sänkning av LDL kolesterol har kunnat beläggas ge
kardiovaskulär prevention via t.ex. statinbehandling, där dock även andra pleiotropa
läkemedelseffekter kan spela roll. Denna effekt är dock lägre än vad som antydds möjligt vid
analys med hjälp av mendelsk randomisering av skäl som angivits ovan [7].
På ett motsvarande sätt har man kunnat påvisa kausala samband mellan grad av icke-fastande
glukosstegring [15] samt triglyceridnivåer [16] för risk att utveckla hjärtinfarkt.
Inflammation har sedan några år diskuterats i genesen för hjärtkärlsjukdom och typ 2
diabetes. En mediator av inflammation är cytokinen interleukin-6 (IL-6), och kausala
samband med hjärtinfarktrisk har påvisats för såväl IL-6 receptorn [17] som med cirkulerande
nivåer av IL-6 [18]. Det anses att IL-6 systemet (via G-174C polymorfism i IL-6 genen)
reglerar leversyntes av C-reaktivt protein (CRP) och därmed styr plasma-nivåerna av CRP,
vilken är en i sammanhanget sekundär faktor för samband med hjärtinfarkt.
En annan metabol faktor är homocystein som uppvisar kausalt samband med risk för stroke
[19] men inte för hjärtinfarkt [20].
Bland nya biomarkörer som analyserats mot bakgrund av kända genetiska samband med
sjukdom finns bl.a. preneurotensin, en faktor med association till mättnad och metabolism,
och som uppvisar samband med risk för hjärtinfarkt, typ 2 diabetes och bröstcancer hos
kvinnor baserat på data från en populations-studie i Malmö [21]. I detta fall utgick man från
6
en kunskap om den genetiska riskmarkören SORT1 och gick sedan vidare i analys av den
medierande biomarkören som har samband med riskgenen.
Det finns även exempel på hur mendelsk randomisering använts för att studera mekanismer
bakom mekanismer för sjukdomsrisk, inte för händelsen i sig. På så sätt har det t.ex. visats att
den genetiska markören apo E4 uppvisar oberoende samband med nivåer av riskfaktorerna
kolesterol och hypertoni [22], samt att genetiken för urat har samband med hypertoni [23].
Från diabetesområdet har noterats att genetiska markörer för beta-cell funktion har oberoende
samband med utvecklingen av typ 2 diabetes, även efter justering för glukosnivåer och annan
fenotyp-information som fetma [24]. En sammanfattning av faktorer med påvisad kausalitet
för risk att insjukna i hjärtinfarkt eller associerade tillstånd, baserat på mendeliansk
randomisering, finns i tabell 2.
Biomarkörer med begränsat eget kausalt samband
Förhöjt kroppsmasseindex (BMI) är en fenotyp-markör för en rad risktillstånd och med fetma
associerade sjukdomar [25]. Med användande av mendelsk randomisering har man funnit att
det observerade sjukdomssambandet på genetisk grund för fetma-associerad risk avseende
ischemisk hjärtsjukdom är dubbelt så stort (52% per 4 kg/m2 ökning av BMI) som det
observerade sambandet mellan fenotypen i sig och risk (26%). Detta kan förklaras med
inflytandet av med till BMI associerade riskfaktorer, t.ex. hypertoni och lipidrubbning [26].
Nya studier har kunnat visa en reversering av kardiovaskulär risk efter fetma-reducerande
kirurgi [27], men däremot inte vid intensifierad livsstilsrådgivning hos obesa typ 2 diabetiker i
den randomiserade Look AHEAD studien som nyligen avbrutits i förtid p.g.a. avsaknad av
effekt på kardiovaskulära sjukdomstillstånd [28].
7
Biomarkörer utan kausalt samband med risk för sjukdom
Det är även av principiellt stor betydelse att undersöka vilka biomarkörer som inte uppvisar
sann kausalitet med sjukdom, fr.a. för val av terapeutiska interventioner. Om en viss faktor
inte är kausalt relaterad till en viss sjukdom så förefaller det inte meningsfullt att
behandlingsmässigt fokusera på denna faktor, om nu analysen inte har interna felkällor. En
biomarkör kan dock ändå vara av värde för epidemiologiska beskrivningar samt för
riskanalyser även om kausalitet inte föreligger, om syftet inte är intervention.
Det har kommit flera uppmärksammande exempel på avsaknad av en förväntad kausalitet i
risk för hjärtinfarkt, fr.a. gällande C-reaktivt protein (CRP) [29-34] och ej heller för samband
mellan CRP och kronisk lungsjukdom [35], även om CRP kan prediktera en rad olika
sjukdomstillstånd och även total mortalitet på ett ospecifikt sätt baserat på populationsstudier
[36]. Som tidigare angivits är det regulatorn för syntes av CRP, cytokinen IL-6, som uppvisar
det äkta kausala sambandet [17,18].
Ett annat uppmärksammat fynd är att HDL kolesterol inte förefaller vara kausalt relaterat till
risk för hjärtinfarkt [37,38]. Detta gäller även avsaknad av kausalt samband mellan urat och
risk för typ 2 diabetes [39] samt för bilirubin och risk för hjärtinfarkt [40]. Däremot kan det
finnas någon form av kausalt samband mellan steg i metabolismen av triglycerider och risk
för hjärtinfarkt [16]. Det råder interna samband mellan hypertriglyceridemi samt lågt HDL
kolesterol (dyslipidemi) och hyperurikemi, sannolikt på basen av underliggande
insulinresistens. Någon faktor kopplad till störd glukosmetabolism och nedsatt
insulinkänslighet, med uttrycket av störd triglyceridomsättning, är därför sannolikt kausalt
relaterad till risk för hjärtinfarkt, medan det ser ut som om färändringar av HDL kolesterol i
sammanhanget skulle kunna vara ett sekundärt fenomen. Detta antagande har dock inte tagit
8
hänsyn till de subklasser av HDL kolesterol som även finns varför vidare forskning behövs.
Exempel på faktorer från studier där kausalitet inte kunnat påvisas med mendeliansk
randomisering anges i tabell 3.
Betydelse för vidare forskning och utveckling av nya läkemedel
Baserat på den nya förståelsen av kausalitet i riskfaktoranalyser så har det hävdats att
utvecklingen av nya terapier, fr.a. läkemedel, bör inriktas på att modifiera sanna kausala
sjukdomsmekanismer. Ett sådant exempel skulle kunna vara den mekanism som biomarkören
preneurotensin beskriver samt även här beskrivna IL-6 associerade mekanismer. Här krävs
dels vidare studier för en detaljerad kartläggning av den molekylära och receptormedierade
mekanismen ifråga, och dels olika farmakologiska försök att manipulera denna mekanism.
Därefter bör vidare studier hos försöksdjur och människa kunna planeras. Detta kan vara ett
kostnadseffektivt sätt att screena för relevanta angreppspunkter för nya läkemedel under
utveckling. Motsatsen kan också vara mycket relevant, att inte lägga stora summor på nya
läkemedel som har som målsättning att ingripa i mekanismer om inte förefaller kausalt
associerade till den typ av händelser man vill förebygga. Återigen utgör debatten om HDL
kolesterol ett intressant exempel. Det har hittills visat sig vara svårt att åstadkomma
kardiovaskulär prevention med riktad terapi för att höja HDL kolesterol, t.ex. via
niacinbehandling som inte gett avsedd effekt i två aktuella randomiserade
interventionsstudier, AIM-HIGH [41] och Heart Protection Study-2 [42].
En ny generation läkemedel verkar på enzymet CETP vars hämning ökar nivån av HDL
kolesterol, vilket även kan ses naturligt i samband med genetiska mutationer associerade med
mycket låga nivåer av CETP [43]. En sådan substans, torcetrapib, stoppades för några år
sedan p.g.a. oönskade sidoreffekter [44], medan en annan substans, anaceptrapib, visat mer
lovande egenskaper [45] och f.n. testas i en stor randomiserade kardiovaskulär preventiv
9
studie vars resultat avvaktas [46]. Ett annat läkemedelsföretag har dock i maj 2012 avbrutit en
randomiserad studie med en snarlik substans, dalcetrapib, vilket illustrerar de signaler av
tveksamhet som ackumulerats av nya kritiska studier avseende kausalitet för HDL kolesterol
som bygger på analys enligt mendelsk randomisering [37,38]. Den avbrutna studien ifråga
kunde inte påvisa någon effekt på kardiovaskulär prevention hos patienter med tidigare akut
koronart syndrom trots en markant ökning av HDL kolesterol (30-40%) dock utan ändring av
LDL kolesterol [47].
Sammanfattning
Det kan sannolikt vara så att den nya kardiovaskulära genetiken kommer att betyda mera för
förståelse av kausala sjukdomsmekanismer, och därmed utgöra en grund för utveckling av nya
terapier [50], än för riskprediktion på individnivå även om en sådan kan tänkas vara möjlig
vid hög samlad genetisk risk, något som dock är ovanligt i befolkningen [14]. Nya
analysmetoder som inkluderar mendelsk randomisering kan kasta nytt ljus över vilka
epidemiologiska samband som är kausala och vilka som inte är det. Detta vetenskapliga fält
rör sig nu mot att använda redan gjorda helgenom undersökningar (GWAS) för att titta på
effekter av vissa genetiska markörer (SNP-utfall). Man strävar dessutom till att använda
sammanvägda genetiska index (scores) uppbyggda av tusentals SNP:ar för att rätt kunna
estimera de biologiska effekterna med snäva konfidensintervall.
Fortfarande kan det dock finnas svagheter i resonemanget som bör närmare undersökas, t.ex.
vilken roll som gen-miljö och gen-gen interaktioner spelar för påvisade samband. Dessutom
behövs det stora befolkningsstudier med biobanker för att kunna göra dessa studier eftersom
det behövs stora antal av individer med både genotypning och fenotypning. Detta låter sig inte
göras på samma sätt hos grupper av etablerade patienter eftersom då fenotyp och
biomarkörnivåer redan hunnit avsevärt påverkas av sjukdomsprogress och inflytande av given
10
behandling. För patienter kan istället prognostik samt risk för biverkningar vara betydelsefullt
och där kan den nya genetiken bidra på annat sätt. Slutsatsen av detta är att det krävs stora
befolkningsstudier, biobanker samt avancerad molekylär epidemiologi i kombination med
uppgifter om miljöexposition. Detta stöds av formuleringar i den nya
Forskningspropositionen från regeringen
(”Forskning och innovation”, Prop. 2012/13:30) samt regeringens övriga satsningar på
livsvetenskaperna. Lagstiftningen håller på att ses över och under 2013 förväntas bl.a. en ny
biobankslag (”En ny biobankslag”, SOU 2010:81).
11
Tabell 1. Kriterier som måste vara uppfyllda för att beräkningar med Mendelsk randomisering
skall var giltig (kausal inferens), i annat fall kan fel insmyga sig i analysen [7].
1. En genetisk variant måste vara direkt relaterad till den riskmarkör (biomarkör) som
analysen handlar om, och inte vara relaterad till olika riskmarkörer (pleiotropi)
2. Denna genetiska variant delar en studiepopulation i de individer som har den (bärare) och
de som inte har den (icke-bärare) utan inflytande av andra faktorer
3. Den genetiska varianten påverkar utfallet (sjukdomen, fenotypen) endast via den biomarkör
som avses och inte på annat sätt
12
Tabell 2. Faktorer med påvisad kausalitet för risk att insjukna i hjärtinfarkt eller
associerade tillstånd, baserat på mendeliansk randomisering.
- LDL kolesterol (för hjärtinfarkt samt utveckling av hypertoni)
- Lipoprotein (a)
- Interleukin- 6 receptorn, cirkulerande IL-6
- Proneurotensin (för kvinnor)
- Hyperglykemi
- Defekt beta-cell funktion (för utveckling av typ 2 diabetes)
- Hypertriglyceridemi
- Homocystein (för stroke, men ej för hjärtinfarkt)
- Urat för blodtryckssänkning
13
Tabell 3. Exempel på faktorer från studier där kausalitet inte kunnat påvisas med
mendeliansk randomisering.
- C-reaktivt protein (för risk att insjukna i hjärtinfarkt samt KOL, samt risk för diabetes och
metabola syndromet)
- HDL kolesterol (talande för att risk associerad med lågt HDL-K är sekundärt till ökade
triglycerider, glukosmetabol rubbning)
- Urat (för risk att insjukna i typ 2 diabetes)
- LDL kolesterol (för risk att insjukna i cancer)
- Bilirubin och hjärtinfarkt
14
Referenser
(20 skall utväljas för publicering i LT, markerade med #, resten på nätet)
1. Dawber TR, Kannel WB. An epidemiologic study of heart disease: the Framingham study.
Nutr Rev. 1958;16:1-4.
2. Att förebygga aterosklerotisk hjärtkärlsjukdom. Läkemedelsverket Informerar, 2006
3. Perk J, De Backer G, Gohlke H, Graham I, Reiner Z, Verschuren M, et al. European
Guidelines on cardiovascular disease prevention in clinical practice (version 2012). The Fifth
Joint Task Force of the European Society of Cardiology and Other Societies on
Cardiovascular Disease Prevention in Clinical Practice (constituted by representatives of nine
societies and by invited experts). Developed with the special contribution of the European
Association for Cardiovascular Prevention & Rehabilitation (EACPR). Eur Heart J
2012;33:1635-701.
4.# O'Donnell CJ, Nabel EG. Genomics of cardiovascular disease. N Engl J Med. 2011;
365:2098-109.
5. Nilsson PM, Orho-Melander M, Melander O. Nyheter inom kardiovaskulär genetik öppnar
för nya terapimöjligheter. Läkartidningen 2011; 108: 540-3.
6.# Davey Smith G, Ebrahim S. What can mendelian randomisation tell us about modifiable
behavioural and environmental exposures? BMJ 2005; 330:1076-9.
7. Burgess S, Thompson SG; CRP CHD Genetics Collaboration, Burgess S, Thompson SG,
Andrews G, Samani NJ, et al. Bayesian methods for meta-analysis of causal relationship
estimated using genetic instrumental variables. Stat Med. 2010;29:1298-311.
8.# Sheehan NA, Meng S, Didelez V. Mendelian randomisation: a tool for assessing causality
in observational epidemiology. Methods Mol Biol 2011;713:153-66.
15
9. Burgess S, Thompson SG, Genetics Collaboration CC. Methods for meta-analysis of
individual participant data from Mendelian randomisation studies with binary outcomes. Stat
Methods Med Res 2012 Jun 19. [Epub ahead of print] PubMed PMID: 22717643.
10. Little J, Kouhry MJ. Mendelian randomisation: a new spin or real progress? Lancet 2004;
362: 930-1.
11.# Linsel-Nitschke P, Götz A, Erdmann J, Braenne I, Braund P, Hengstenberg C, et al;
Wellcome Trust Case Control Consortium (WTCCC); Cardiogenics Consortium. Lifelong
reduction of LDL-cholesterol related to a common variant in the LDL-receptor gene decreases
the risk of coronary artery disease--a Mendelian Randomisation study. PLoS One.
2008;3:e2986.
12.# Ference BA, Yoo W, Alesh I, Mahajan N, Mirowska KK, Mewada A, et al. Effect of
Long-Term Exposure to Lower Low-Density Lipoprotein Cholesterol Beginning Early in Life
on the Risk of Coronary Heart Disease: A Mendelian Randomization Analysis. J Am Coll
Cardiol. 2012 Oct 9. doi:pii: S0735-1097(12)04773-0. 10.1016/j.jacc.2012.09.017. [Epub
ahead of print].
13.# Tsimikas S, Hall JL. Lipoprotein(a) as a potential causal genetic risk factor of
cardiovascular disease: a rationale for increased efforts to understand its pathophysiology and
develop targeted therapies. J Am Coll Cardiol. 2012;60:716-21.
14.# Kathiresan S, Melander O, Anevski D, Guiducci C, Burtt NP, Roos C, et al.
Polymorphisms associated with cholesterol and risk of cardiovascular events. N Engl J Med.
2008; 358:1240-9.
15.# Benn M, Tybjaerg-Hansen A, McCarthy MI, Jensen GB, Grande P, Nordestgaard BG.
Non-fasting glucose, ischemic heart disease, and myocardial infarction: a Mendelian
randomization study. J Am Coll Cardiol 2012;59:2356-65.
16.# Triglyceride Coronary Disease Genetics Consortium and Emerging Risk Factors
16
Collaboration, Sarwar N, Sandhu MS, Ricketts SL, Butterworth AS, Di Angelantonio
E, Boekholdt SM, et al. Triglyceride-mediated pathways and coronary disease: collaborative
analysis of 101 studies. Lancet. 2010;375:1634-9.
17.# Interleukin-6 Receptor Mendelian Randomisation Analysis (IL6R MR) Consortium,
Hingorani AD, Casas JP. The interleukin-6 receptor as a target for prevention of
coronary heart disease: a mendelian randomisation analysis. Lancet 2012;379:1214-24.
18. Niu W, Liu Y, Qi Y, Wu Z, Zhu D, Jin W. Association of interleukin-6 circulating levels
with coronary artery disease: a meta-analysis implementing mendelian randomization
approach. Int J Cardiol 2012;157:243-52.
19. Casas JP, Bautista LE, Smeeth L, Sharma P, Hingorani AD. Homocysteine and stroke:
evidence on a causal link from mendelian randomisation. Lancet 2005;365:224-32.
20. Clarke R, Bennett DA, Parish S, Verhoef P, Dötsch-Klerk M, Lathrop M, et al; MTHFR
Studies Collaborative Group. Homocysteine and coronary heart disease: meta-analysis of
MTHFR case-control studies, avoiding publication bias. PLoS Med. 2012;9:e1001177.
21.# Melander O, Maisel AS, Almgren P, Manjer J, Belting M, Hedblad B, et al. Plasma
proneurotensin and incidence of diabetes, cardiovascular disease, breast cancer, and mortality.
JAMA 2012; 308:1469-75.
22. Niu W, Zhang X, Qi Y. Association of an apolipoprotein E polymorphism with circulating
cholesterols and hypertension: a meta-based Mendelian randomization analysis. Hypertens
Res. 2012;35:434-40.
23. Parsa A, Brown E, Weir MR, Fink JC, Shuldiner AR, Mitchell BD, et al. Genotype-based
changes in serum uric acid affect blood pressure. Kidney Int 2012;81:502-7.
24. Song Y, Yeung E, Liu A, Vanderweele TJ, Chen L, Lu C, et al. Pancreatic beta-cell
function and type 2 diabetes risk: quantify the causal effect using a Mendelian randomization
approach based on meta-analyses. Hum Mol Genet 2012;21:5010-8.
17
25. Nilsson P, Berglund G. Fetma är farligt - men vad händer vid viktnedgång? Läkartidningen
2002;99:3178-81.
26.# Nordestgaard BG, Palmer TM, Benn M, Zacho J, Tybjaerg-Hansen A, Davey Smith G, et
al. The effect of elevated body mass index on ischemic heart disease risk: causal estimates
from a Mendelian randomisation approach. PLoS Med 2012;9:e1001212.
27. Sjöström L, Narbro K, Sjöström CD, Karason K, Larsson B, Wedel H, et al; Swedish
Obese Subjects Study. Effects of bariatric surgery on mortality in Swedish obese subjects. N
Engl J Med. 2007;357:741-52.
28.# Weight loss does not lower heart disease risk from type 2 diabetes. National Institute of
Health (NIH), October 19, 2012 (http://www.nih.gov/news/health/oct2012/niddk-19.htm).
29.# Timpson NJ, Lawlor DA, Harbord RM, Gaunt TR, Day IN, Palmer LJ, et al. C-reactive
protein and its role in metabolic syndrome: mendelian randomisation study. Lancet
2005;366:1954-9.
30. Casas JP, Shah T, Cooper J, Hawe E, McMahon AD, Gaffney D, et al. Insight into the
nature of the CRP-coronary event association using Mendelian randomization. Int J
Epidemiol. 2006;35:922-31.
31. CRP CHD Genetics Collaboration. Collaborative pooled analysis of data on C-reactive
protein gene variants and coronary disease: judging causality by Mendelian randomisation.
Eur J Epidemiol 2008;23:531-40.
32. Brunner EJ, Kivimäki M, Witte DR, Lawlor DA, Davey Smith G, Cooper JA, et al.
Inflammation, insulin resistance, and diabetes—Mendelian randomization using CRP
haplotypes points upstream. PLoS Med. 2008;5:e155.
33. Elliott P, Chambers JC, Zhang W, Clarke R, Hopewell JC, Peden JF, et al. Genetic Loci
associated with C-reactive protein levels and risk of coronary heart disease. JAMA
2009;302:37-48.
18
34.# C Reactive Protein Coronary Heart Disease Genetics Collaboration (CCGC), Wensley F,
Gao P, Burgess S, Kaptoge S, Di Angelantonio E, Shah T, et al. Association between C
reactive protein and coronary heart disease: mendelian randomisation analysis based on
individual participant data. BMJ. 2011;342:d548. doi: 10.1136/bmj.d548.
35. Dahl M, Vestbo J, Zacho J, Lange P, Tybjærg-Hansen A, Nordestgaard BG. C reactive
protein and chronic obstructive pulmonary disease: a Mendelian randomisation approach.
Thorax 2011;66:197-204.
36. Emerging Risk Factors Collaboration, Kaptoge S, Di Angelantonio E, Lowe G,
Pepys MB, Thompson SG, Collins R, et al. C-reactive protein concentration and risk of
coronary heart disease, stroke, and mortality: an individual participant meta-analysis. Lancet.
2010;375:132-40.
37.# Voight BF, Peloso GM, Orho-Melander M, Frikke-Schmidt R, Barbalic M, Jensen MK,
et al. Plasma HDL cholesterol and risk of myocardial infarction: a mendelian randomisation
study. Lancet 2012;380:572-80.
38.# Haase CL, Tybjærg-Hansen A, Qayyum AA, Schou J, Nordestgaard BG, Frikke-Schmidt
R. LCAT, HDL cholesterol and ischemic cardiovascular disease: a Mendelian randomization
study of HDL cholesterol in 54,500 individuals. J Clin Endocrinol Metab 2012;97:E248-56.
39. Pfister R, Barnes D, Luben R, Forouhi NG, Bochud M, Khaw KT, et al. No evidence for a
causal link between uric acid and type 2 diabetes: a Mendelian randomisation approach.
Diabetologia 2011;54:2561-9.
40. Stender S, Frikke-Schmidt R, Nordestgaard BG, Grande P, Tybjaerg-Hansen A.
Genetically elevated bilirubin and risk of ischaemic heart disease: three Mendelian
randomization studies and a meta-analysis. J Intern Med. 2012 Jul 16. doi: 10.1111/j.13652796.2012.02576.x. [Epub ahead of print].
19
41. Michos ED, Sibley CT, Baer JT, Blaha MJ, Blumenthal RS. Niacin and statin combination
therapy for atherosclerosis regression and prevention of cardiovascular disease events:
reconciling the AIM-HIGH (Atherothrombosis Intervention in Metabolic Syndrome With
Low HDL/High Triglycerides: Impact on Global Health Outcomes) trial with previous
surrogate endpoint trials. J Am Coll Cardiol. 2012;59:2058-64.
42. Newsletter 20/12/2012. Merck Announces HPS2-THRIVE Study of TREDAPTIVE™
(Extended-Release Niacin/Laropiprant) Did Not Achieve Primary Endpoint.
(www.merck.com).
43.# Calabresi L, Nilsson P, Pinotti E, Gomaraschi M, Favari E, Adorni MP, et al. A novel
homozygous mutation in CETP gene as a cause of CETP deficiency in a Caucasian kindred.
Atherosclerosis. 2009;205:506-11.
44. Barter PJ, Caulfield M, Eriksson M, Grundy SM, Kastelein JJ, Komajda M, et al;
ILLUMINATE Investigators. Effects of torcetrapib in patients at high risk for coronary
events. N Engl J Med 2007;357:2109-22.
45. Cannon CP, Shah S, Dansky HM, Davidson M, Brinton EA, Gotto AM, et al; Determining
the Efficacy and Tolerability Investigators. Safety of anacetrapib in patients with or at high
risk for coronary heart disease. N Engl J Med 2010;363:2406-15.
46. Treatment of HDL to Reduce the Incidence of Vascular Events HPS2-THRIVE. Study
design (http://www.clinicaltrial.gov)
47.# Schwartz GG, Olsson AG, Abt M, Ballantyne CM, Barter PJ, Brumm J, et al; the dalOUTCOMES Investigators. Effects of Dalcetrapib in Patients with a Recent Acute Coronary
Syndrome. N Engl J Med. 2012 Nov 5. [Epub ahead of print].
48.# Pikula A, Beiser AS, DeCarli C, Himali JJ, Debette S, Au R, et al. Multiple biomarkers
and risk of clinical and subclinical vascular brain injury: the Framingham Offspring Study.
Circulation. 2012;125:2100-7.
20
49. Vassy JL, Shrader P, Jonsson A, Fox CS, Lyssenko V, Isomaa B, et al. Association
between parental history of diabetes and type 2 diabetes genetic risk scores in the PP
P-Botnia and Framingham Offspring Studies. Diabetes Res Clin Pract 2011;93:e76-9.
50.# Khera AV, Rader DJ. Discovery and validation of new molecular targets in treating
dyslipidemia: the role of human genetics. Trends Cardiovasc Med 2009;19:195-201.
21
