Educazione e miopia: valutare la direzione della causalità attraverso la randomizzazione mendeliana

Introduzione

La miopia, o miopia, è una delle principali cause di disabilità visiva in tutto il mondo e la sua prevalenza sta aumentando rapidamente.12 La miopia è un difetto refrattivo dell’occhio che fa sì che la luce si concentri davanti alla retina piuttosto che sulla retina, di solito perché la lunghezza assiale dell’occhio è troppo lunga. Di conseguenza, gli oggetti distanti appaiono sfuocati e gli oggetti vicini appaiono chiaramente (vista corta). I sintomi della miopia possono essere alleviati con occhiali, lenti a contatto o chirurgia refrattiva, ma indipendentemente dalla correzione visiva, il rischio di complicazioni dovute a condizioni potenzialmente accecanti come il distacco della retina, il glaucoma e la maculopatia miope, aumenta con la lunghezza assiale più lunga associata a un’elevata miopia.345Attualmente, il 30-50% degli adulti negli Stati Uniti e in Europa sono miopi, con livelli dell’80-90% riportati nei casi di abbandono scolastico di 17 o 18 anni a Singapore, Corea del Sud, Cina e altri paesi ad alto reddito dell’Asia orientale e sudorientale,125678dove la maculopatia miope è diventata una delle cause più comuni di cecità non curabile.7 Sulla base delle tendenze esistenti, si prevede che il numero di persone affette da miopia in tutto il mondo aumenterà da 1,4 miliardi a 5 miliardi entro il 2050, interessando circa il 50% della popolazione mondiale.7 Quasi il 10% di queste persone (circa 9 milioni) avrà un’elevata miopia.7

Per più di un secolo, la miopia è stata associata a livelli di istruzione più alti,910ma nonostante le prove di studi osservazionali che dimostrano l’associazione tra miopia e anni di scuola o di istruzione, mancano le prove causali di un ruolo educativo sulla miopia.6111213Sia la miopia che il livello di istruzione hanno una componente ereditaria1415161717181920; tuttavia, la genetica non può spiegare il rapido aumento della prevalenza della miopia in una o due generazioni. L’attuale aumento della prevalenza della miopia, in particolare la miopia elevata, sembra essere legato ad un’età di insorgenza sempre più precoce e ad un più alto tasso di progressione nell’infanzia,2122poiché la condizione tende a rimanere relativamente stabile durante l’età adulta (fino a quando non si verificano spostamenti miopi secondari allo sviluppo della cataratta).23 Studi randomizzati controllati hanno dimostrato in modo convincente che il tempo trascorso all’aperto durante l’infanzia protegge parzialmente dallo sviluppo della miopia,2425ma l’associazione tra miopia e tempo trascorso dai bambini che svolgono attività vicine al lavoro, come la lettura, è meno coerente negli studi.1126 Inoltre, il tempo trascorso all’aperto dai bambini è in genere indipendente dalle loro attività lavorative vicine, poiché le misure dei due fattori non sono generalmente correlate.272829Di conseguenza, non si sa con certezza se un numero maggiore di anni di istruzione provochi miopia, se i bambini con miopia trascorrano più tempo in attività lavorative vicine che portino a risultati educativi migliori, se i bambini con miopia siano più intelligenti o, in effetti, se un’associazione con un altro fattore di confusione, come la posizione socioeconomica, porti ad un numero maggiore di anni di istruzione e miopia,611121330poiché gli studi randomizzati che limitano l’istruzione nei bambini non sarebbero etici.

La randomizzazione mendeliana è un tipo di analisi delle variabili strumentali31 che utilizza varianti genetiche associate a un fattore di rischio (ad esempio, l’istruzione) come proxy di un’esposizione ambientale per fare inferenze causali sull’effetto dell’esposizione sull’esito dell’interesse (ad esempio, la miopia). Questo approccio riduce la distorsione da confusione e la causalità inversa, a cui sono suscettibili gli studi epidemiologici osservazionali. Esso sfrutta il fatto che i genotipi sono assegnati in modo casuale al momento del concepimento. Pertanto, la randomizzazione mendeliana è stata paragonata a uno studio randomizzato per genotipo, poiché le varianti genetiche non sono modificabili e sono in gran parte esenti da confusione.3233Con la recente disponibilità di dati provenienti da due studi di associazione su larga scala su genoma (GWAS) per i risultati scolastici34 e la miopia,15 insieme ai genotipi di circa 488.000 partecipanti della Biobanca britannica, è stato possibile effettuare un’indagine sulla relazione causale tra anni di istruzione e miopia mediante analisi bidirezionali della randomizzazione mendeliana35 con una potenza statistica senza precedenti. Abbiamo indagato se l’aumento del tempo trascorso nell’istruzione sia un fattore di rischio causale per la miopia.

Metodi

Coorti di studio

23andMe-Pickrell et al15 hanno riportato i risultati di un GWAS per la miopia autosommersa in un campione di 191-843 persone di origine europea (106-86 casi, 85-757 controlli) effettuato dalla società di genomica personale 23andMe (CA, USA). La miopia è stata accertata dalla voce del questionario “Le è mai stata diagnosticata la miopia da un medico con miopia (gli oggetti vicini sono chiari, gli oggetti lontani sono sfumati)?

Social Science Genetic Association Consortium (SSGAC)-Okbay et al34 hanno riportato i risultati di una vasta meta-analisi del GWAS per il raggiungimento di un livello di istruzione in 293-723 persone di origine europea. Il livello di istruzione è stato definito in base al raggiungimento di un determinato livello di istruzione da parte del partecipante, sulla base della scala della Classificazione Internazionale Standard dell’Istruzione (1997).36

Tra il 2006 e il 2010 sono stati raccolti i dati sezionali diUK Biobank-Cross dalla valutazione di base del progetto UK Biobank.37UK Biobank ha reclutato 502 664 partecipanti di età compresa tra i 40 e i 69 anni attraverso 22 centri di valutazione in tutto il Regno Unito. Una delle due piattaforme è stata utilizzata per determinare il genotipo dei partecipanti: l’array BiLEVE Axiom (Affymetrix, High Wycombe, UK) o l’array Biobank Axiom (Affymetrix). Tutti i partecipanti hanno compilato questionari sociodemografici, che comprendevano domande sulle precedenti qualifiche scolastiche e professionali. Nelle ultime fasi di reclutamento è stata introdotta una valutazione oftalmica, che è stata completata da circa il 23% dei partecipanti.

Definizioni

Istruzione – Abbiamodeterminato il tempo trascorso nell’istruzione tramite questionario, come definito dalla domanda per l’età di completamento dell’istruzione a tempo pieno in UK Biobank (n=336-826 partecipanti hanno compilato il questionario alla visita di base). La domanda è stata accertata solo per i partecipanti che non avevano una laurea o un diploma universitario. Per armonizzare la misura dei risultati scolastici nella Biobanca britannica (tempo trascorso nell’istruzione) con il numero di anni trascorsi a scuola (EduYears) variabile nello studio SSGAC34, abbiamo codificato i partecipanti con una laurea o un diploma universitario come aventi lasciato l’istruzione a tempo pieno all’età di 21 anni. Allo stesso modo, abbiamo assegnato un valore di 15 anni a quei partecipanti che hanno dichiarato di avere meno di 15 anni al completamento dell’istruzione a tempo pieno. Poiché i sistemi scolastici variano da un Paese all’altro, abbiamo incluso nelle analisi solo i partecipanti nati in Inghilterra, Scozia o Galles.

Errore di rifrazione – Le misure di funzione visiva non sono state eseguite dall’inizio del reclutamento per la UK Biobank. Di conseguenza, solo un sottoinsieme dei partecipanti è stato sottoposto a misurazioni dell’errore di rifrazione (n=127-412). Questo è stato misurato con l’autofrazione non cicloploplegica (autofrazione RC5000; Tomey, Phoenix, AZ) dopo la rimozione di occhiali o lenti a contatto. Anche se non sono state utilizzate gocce oculari cicloplegiche (cioè, l’effetto della accomodazione sulle misurazioni dell’errore refrattivo non è stato controllato), solo gli adulti in cui gli effetti della accomodazione sarebbero stati minimi sono stati reclutati alla UK Biobank.38 Sono state effettuate fino a 10 misurazioni. Se la lettura dell’autorefrattore era segnalata come inaffidabile, allora abbiamo escluso la misurazione. La potenza sferica e la potenza cilindrica sono state mediate su misurazioni ripetute. Abbiamo calcolato l’errore di rifrazione sferico equivalente medio per ogni occhio usando la formula potenza sferica+0,5×potenza cilindrica. Abbiamo preso la media dell’equivalente sferico medio sinistro e destro come errore di rifrazione in diottrie del partecipante e abbiamo usato questo valore nelle analisi successive (n=127-412). Per i partecipanti con misurazioni ripetute da visite separate (visita di base e visite successive), abbiamo usato solo la misurazione di base. Abbiamo escluso dalle analisi quelle con condizioni oculari preesistenti che potrebbero influire sull’errore di rifrazione, ovvero cataratta, chirurgia oculare con laser rifrattivo, lesioni o traumi con conseguente perdita della vista, o chirurgia dell’innesto corneale. Ad esempio, la cataratta è associata a uno spostamento miope dell’errore refrattivo. Abbiamo escluso 10 984 individui con condizioni oculari preesistenti.

In totale, 69-798 partecipanti avevano una formazione valida, errore di rifrazione e dati genetici disponibili (fig. 1).

Fig 1.Fig. 1. Numero di partecipanti della UK Biobank che hanno superato la validazione per lo studio di randomizzazione mendeliana. MSE = equivalente sferico

Fig. 1.Fig. 1. Numero di partecipanti alla UK Biobank che hanno superato la validazione per lo studio di randomizzazione mendeliana. MSE = equivalente sferico

Dati del genotipo

I dati genetici in UK Biobank sono stati sottoposti a rigorose procedure di controllo della qualità e sono stati scaglionati e imputati contro un panel di riferimento dell’Haplotype Reference Consortium (HRC), UK10K, e 1000 genomi di fase 3 aplotipi.3940A causa di un problema di imputazione delle varianti dei genomi UK10K e 1000, abbiamo limitato le analisi alle sole varianti HRC. I campioni sono stati esclusi sulla base di diversi criteri basati sul genotipo: ascendenza extraeuropea, parentela, disallineamento tra sesso genetico e sesso autosegnalato, aneuploidia putativa, eterozigosi esterna ed eccessiva mancanza.39

Analisi statistiche

Analisi osservazionali ordinarie dei minimi quadrati

Utilizzando la regressione lineare regolata in base al sesso e all’età in UK Biobank, abbiamo valutato le associazioni osservazionali tra l’errore di rifrazione e gli anni trascorsi nell’istruzione. Abbiamo poi ripetuto la regressione con l’aggiustamento per ulteriori variabili potenzialmente confondenti (per esempio, è stato riportato che l’allattamento al seno è stato associato sia all’errore di rifrazione41 che all’educazione42): Indice di deprivazione di Townsend, peso alla nascita, allattamento al seno e coordinate geografiche del luogo di nascita arrotondate al chilometro più vicino (coordinate del nord e dell’est).

Generazione di variabili strumentali per la randomizzazione mendeliana

Pickrell et al15 hanno riportato le 50 varianti più fortemente associate alla miopia nello studio condotto da 23andMe. Sei varianti (rs5022942, rs10887265, rs71041628, rs34016308, rs11658305, e rs201140091) non erano nel pannello HRC, lasciando 44 per l’uso come variabili genetiche strumentali nell’analisi di randomizzazione mendeliana (vedi tabella dati supplementari).

Okbay et al34 hanno utilizzato UK Biobank come coorte di replicazione. Pertanto in questo studio abbiamo usato solo varianti genetiche e statistiche riassuntive dalla loro analisi di scoperta(http://ssgac.org/documents/EduYears_Discovery_5000.txt). Gli autori hanno identificato 74 varianti associate ai risultati scolastici in SSGAC. Cinque varianti (rs9320913, rs148734725, rs544990728, rs114598875, e rs8005528) non erano nel pannello HRC, lasciando 69 varianti da utilizzare come variabili strumentali (vedi tabella dati supplementari).

Per ogni tratto abbiamo combinato più varianti genetiche in un unico punteggio allelico ponderato. Rispetto alle singole varianti, questo punteggio è stato dimostrato per migliorare le proprietà di copertura e ridurre il bias delle stime delle variabili strumentali.43 Quando abbiamo costruito i punteggi allelici abbiamo usato le stime delle dimensioni degli effetti delle pubblicazioni originali del GWAS per pesare le varianti. Per garantire la corretta codifica dell’allele dell’effetto abbiamo armonizzato queste varianti con la UK Biobank. Abbiamo convertito le probabilità del genotipo per effettuare i dosaggi dell’allele(a) e dell’allele non-effetto(A). I punteggi allelici sono stati calcolati sommando il prodotto dei pesi e dei dosaggi di tutte le n varianti (vedi equazioni).

Abbiamo calcolato la proporzione della varianza nella variabile fenotipica spiegata dalla variabile strumentale del punteggio dell’allele, facendo regredire il fenotipo sul suo rispettivo punteggio dell’allele.

Implementazione della randomizzazione mendeliana

La randomizzazione mendeliana è stata implementata utilizzando il metodo dei minimi quadrati a due stadi del pacchetto R ivpack.44 Abbiamo incluso l’età e il sesso come covariate. Per valutare il rischio di una debole polarizzazione dello strumento, abbiamo usato i test F per determinare la forza dell’associazione nelle regressioni del primo stadio tra il punteggio dell’allele e l’esposizione.45 La potenza statistica è stata valutata utilizzando il calcolatore online mRnd46 per un livello di errore di tipo I α=0,05(http://cnsgenomics.com/shiny/mRnd/).

Analisi della sensibilità

Confondere

Abbiamo utilizzato diagrammi di bias confondenti4748 per valutare il bias relativo nella stima della variabile strumentale rispetto alla regressione multivariabile standard. Tali analisi sono progettate per quantificare il bias presente in un’analisi di randomizzazione mendeliana in modo analogo all’esame dell’effetto di aggiustamento o non aggiustamento per un potenziale cofondatore in un’analisi di regressione standard. Inoltre, nelle analisi supplementari abbiamo incluso i sospetti fattori di confondimento come covariate (vedi tabella supplementare 4). Le variabili confondenti considerate424950 sono state le prime 10 componenti genetiche principali, l’indice di deprivazione di Townsend, il peso alla nascita, l’allattamento al seno e il luogo di nascita (coordinate del nord e dell’est).

Pleiotropia orizzontale (genetica)

Per indagare il grado di distorsione nelle stime causali iniziali dovute agli effetti pleiotropici, abbiamo utilizzato due analisi di sensibilità (randomizzazione mendeliana -Egger e randomizzazione mendeliana mediana ponderata). La randomizzazione mendeliana -Egger non è valida per gli studi in cui l’esposizione alla variabile strumentale e le associazioni di variabili strumentali di risultato sono calcolate nello stesso campione (come è stato fatto per le principali analisi di questo studio). Per questo motivo, abbiamo eseguito la randomizzazione mendeliana -Egger come analisi del campione diviso a metà, dividendo il campione in modo casuale (gruppi A e B). La tabella dei dati supplementari mostra le associazioni delle varianti e il tempo trascorso nell’educazione e l’errore di rifrazione per ogni gruppo. I metodi Mendelian Randomisation-Egger e la mediana ponderata sono stati implementati utilizzando il pacchetto R TwoSampleMR(github.com/MRCIEU/TwoSampleMR).51

Errore di misura

Per garantire che l’associazione tra il tempo trascorso nell’istruzione e la miopia non fosse un artefatto della distribuzione non normale della variabile per età quando l’istruzione a tempo pieno è stata completata, abbiamo usato due metodi alternativi per ricodificare il tempo trascorso nell’istruzione: la dicotomizzazione in età superiore ai 16 anni quando l’istruzione è stata completata e in età uguale o inferiore ai 16 anni quando l’istruzione è stata completata; ed escludendo coloro che hanno frequentato il college o l’università. Abbiamo confrontato i risultati con le analisi originali utilizzando la variabile continua per età quando l’istruzione a tempo pieno è stata completata.

Il test di Durbin-Wu-Hausman verifica la presenza di variabili endogene in un modello di regressione; la presenza di tali variabili porta a stime dell’effetto di distorsione.5253Le stime degli effetti dell’analisi osservazionale e dell’analisi strumentale di secondo stadio sono state testate per l’endogeneità con il test di Durbin-Wu-Hausman.

Coinvolgimento del paziente

Nessun paziente è stato coinvolto nella definizione della domanda di ricerca o delle misure di esito, né è stato coinvolto nello sviluppo di piani per il reclutamento, la progettazione o la realizzazione dello studio. A nessun paziente è stato chiesto di dare consigli sull’interpretazione o di scrivere i risultati. Non ci sono piani per divulgare i risultati della ricerca ai partecipanti allo studio o alla comunità di pazienti interessata.

Risultati

Analisi osservazionali: i livelli di istruzione superiori sono associati alla miopia

In accordo con gli studi precedenti,61330partecipanti alla Biobanca del Regno Unito che avevano trascorso più tempo nell’istruzione a tempo pieno erano più miopi, cioè avevano errori di rifrazione sempre più negativi(tabella 1). Il rapporto era lineare per coloro che lasciavano l’istruzione a tempo pieno tra i 15 e i 18 anni, il che significa che ogni anno in più di istruzione era associato a un errore di rifrazione miope più elevato di -0,25 diottrie/a. Per coloro che lasciano l’istruzione a tempo pieno dopo i 18 anni, il tasso è rallentato a -0,10 diottrie/a (fig.2). In media, ogni anno aggiuntivo trascorso nell’istruzione è stato associato a un errore di rifrazione più miope di -0,18 diottrie/a (intervallo di confidenza del 95% da -0,19 a -0,17, P<2e-16). L’associazione non è stata in gran parte influenzata dall’aggiustamento per i potenziali fattori di confusione misurati, tra cui la posizione socioeconomica (indice di deprivazione di Townsend), il peso alla nascita, il peso alla nascita, l’allattamento al seno e il luogo di nascita (coordinate del nord e dell’est; tabella 1).

Fig. 2.L’associazione osservazionale tra l’età dell’istruzione a tempo pieno è stata completata e l’errore di rifrazione per 69-798 persone in UK Biobank. In media, le persone più istruite avevano livelli più alti di miopia (errore di rifrazione più negativo). I baffi rappresentano il 95% degli intervalli di fiducia

Fig. 2.L’associazione osservazionale tra l’età dell’istruzione a tempo pieno è stata completata e l’errore di rifrazione per 69-798 persone in UK Biobank. In media, le persone più istruite avevano livelli più alti di miopia (errore di rifrazione più negativo). I baffi rappresentano il 95% degli intervalli di fiducia

Analisi di randomizzazione mendeliana: più tempo dedicato all’istruzione causa miopia

La randomizzazione bidirezionale mendeliana è stata utilizzata per valutare la causalità e la direzione dell’associazione tra il tempo trascorso nell’educazione e l’errore refrattivo. Le analisi bidirezionali consistono in due distinti calcoli di randomizzazione mendeliana – uno in ogni direzione. In primo luogo, per calcolare l’effetto causale dell’educazione sulla miopia abbiamo usato un punteggio allelico ponderato dell’educazione come variabile strumentale. In secondo luogo, per calcolare l’effetto causale della miopia sul tempo trascorso in educazione abbiamo usato un punteggio allelico ponderato della miopia come variabile strumentale. Abbiamo derivato il punteggio allelico per il tempo trascorso in educazione da varianti genetiche identificate da Okbay et al34 in una grande meta-analisi del GWAS di persone di origine europea (n=293-723). Allo stesso modo, abbiamo ricavato il punteggio allelico per la miopia da varianti genetiche riportate da Pickrell et al15 in un GWAS di miopia di auto-rappresentata (n=191-843).

Il punteggio dell’allele della miopia spiegava il 4,32%(F=3155) della varianza nella media dell’errore di rifrazione sferico equivalente medio dei partecipanti in UK Biobank e il punteggio dell’allele dell’istruzione spiegava lo 0,71%(F=464) della varianza nel tempo trascorso nell’istruzione. Abbiamo selezionato queste varianti genetiche da utilizzare come variabili strumentali a causa della loro forte associazione con il tempo trascorso in educazione e la miopia, permettendoci di costruire forti variabili strumentali aggregate per fare inferenze mendeliane di randomizzazione. Le grandi statistiche F suggerivano che queste analisi non sarebbero state influenzate da una debole polarizzazione strumentale.

Così, usando il punteggio dell’allele per il tempo trascorso nell’istruzione come variabile strumentale, l’analisi della randomizzazione mendeliana ha mostrato che ogni anno aggiuntivo trascorso nell’istruzione ha portato ad un errore di rifrazione più miope di -0,27 diottrie/a (intervallo di confidenza del 95% da -0,37 a -0,17, P=4e-8) (tabella 2; fig.3). La stima dell’effetto di randomizzazione mendeliana era ancora più grande della stima osservazionale (-0,27 v -0,18 diottrie), suggerendo che i confonditori non misurati possono aver attenuato quest’ultima relazione. Al contrario, l’uso del punteggio allelico di miopia come variabile strumentale nelle analisi di randomizzazione mendeliana ha fornito poche prove che l’errore di rifrazione ha influito sul tempo trascorso nell’istruzione (β IV=-0,008 y/diottri, intervallo di confidenza del 95% -0,041 a 0,025, P=0,6) (tabella 2; fig.3). Con una dimensione del campione di n=69-798, c’era l’80% di potenza per rilevare un effetto del tempo trascorso nell’istruzione sull’errore di rifrazione ≥0,14 diottrie/a. Nella direzione reciproca, c’era l’80% di potenza per rilevare un effetto ≥0,048 y/diottri (vedi figura supplementare 1), suggerendo che questo studio aveva una potenza sufficiente per rilevare un effetto di miopia sull’educazione, se presente.

Fig. 3.Risultati della randomizzazione mendeliana bidirezionale. (Pannello in alto) 69 varianti associate al livello di istruzione in Okbay et al34 sono state collegate a livelli più alti di miopia (più negativo equivalente sferico medio sferico (MSE)) in UK Biobank. (Pannello inferiore) 44 varianti associate alla miopia (MSE più negativo) in Pickrell et al15 non sono state collegate con un maggior numero di ore di istruzione in UK Biobank. La linea di regressione e gli errori standard (area ombreggiata) sono stati montati utilizzando una robusta regressione lineare. I baffi rappresentano intervalli di confidenza del 95%.

Fig. 3.Risultati della randomizzazione mendeliana bidirezionale. (Pannello in alto) 69 varianti associate al livello di istruzione in Okbay et al34 sono state collegate a livelli più alti di miopia (più negativo equivalente sferico medio sferico (MSE)) in UK Biobank. (Pannello inferiore) 44 varianti associate alla miopia (MSE più negativo) in Pickrell et al15 non sono state collegate con un maggior numero di ore di istruzione in UK Biobank. La linea di regressione e gli errori standard (area ombreggiata) sono stati montati utilizzando una robusta regressione lineare. I baffi rappresentano intervalli di confidenza del 95%.

Analisi della sensibilità: i risultati della randomizzazione mendeliana sono robusti rispetto alle potenziali distorsioni

Confondere

Le analisi di randomizzazione mendeliana si basano su due ipotesi pertinenti: le variabili genetiche strumentali non sono associate ad alcun confonditore della relazione esposizione-risultato, e le variabili genetiche strumentali sono associate solo al risultato attraverso l’esposizione.

Nei test dell’associazione tra i punteggi allelici per il tempo trascorso in educazione e la miopia con i potenziali confonditori, è stato dimostrato che la coordinata geografica, northing (distanza misurata verso nord nel Regno Unito) è stata associata negativamente con il tempo trascorso in educazione (β=-1.6e-6, intervallo di confidenza del 95% da -1.8e-6 a -1.5e-6) e positivamente con l’errore di rifrazione (β=1.2e-6, da 9.8e-7 a 1.3e-6). Northing è stato anche associato al tempo trascorso nell’istruzione (P=7e-5) e alla miopia (P=6e-3), con i punteggi dell’allele (vedi tabella supplementare 2). Rispetto alla regressione standard, il diagramma di bias confondente suggeriva che l’inclusione della variabile northing nell’analisi delle variabili strumentali avrebbe portato ad un maggior grado di bias per il punteggio dell’allele dell’istruzione ma non per il punteggio dell’allele della miopia(fig. 4).

Fig 4.Confondere le trame di bias. I grafici che mostrano il bias relativo nella stima della variabile strumentale (blu) e nella stima della regressione multivariabile standard (bianco) da potenziali fattori di confusione, tra cui: il luogo di nascita (coordinate del northing e dell’est), l’indice di deprivazione di Townsend, l’età, il sesso, l’allattamento al seno, il peso alla nascita e le prime 10 componenti genetiche principali (PC), quando (A) stima l’effetto del tempo trascorso in educazione sull’errore di rifrazione; e (B) stima l’effetto dell’errore di rifrazione sul tempo trascorso in educazione. L’indice di deprivazione di Townsend era log naturale trasformato

Al contrario, la coordinata geografica orientale è stata associata positivamente al tempo trascorso nell’istruzione (β=8,9e-7, intervallo di confidenza del 95% da 6,8e-7 a 1,1e-6) e negativamente associata all’errore di rifrazione (β=-1,0e-6, da -1,3e-6 a -8,1e-6). Era debolmente associato al punteggio dell’allele miope (P=0,01). Tuttavia, ci sono state poche prove che suggeriscono un maggior grado di bias nell’analisi della variabile strumentale rispetto ad una regressione standard con l’inclusione della variabile est(fig 4). Le analisi di sensibilità hanno suggerito che il bias confondente dalle coordinate geografiche ha avuto un impatto trascurabile sui risultati della randomizzazione mendeliana (vedi tabella supplementare 4).

Un’ulteriore variabile confondente, la componente principale 9 della stratificazione della popolazione (PC9), ha subito un maggior grado di distorsione nella regressione della variabile strumentale rispetto alla regressione dei minimi quadrati osservazionali. Ulteriori analisi hanno mostrato che PC9 è stata associata a un luogo di nascita autosegnalato in Galles (vedi figura supplementare S2) e anche a un -0,17 diottrie (intervallo di confidenza del 95% da -0,05 a -0,28) più miope errore di rifrazione, in media (P=4e-3) rispetto a coloro che hanno segnalato di essere nati in Inghilterra. Un’analisi mendeliana della sensibilità alla randomizzazione che ha corretto per le componenti principali della stratificazione della popolazione 1-10 ha fornito risultati simili a quelli ottenuti prima dell’aggiustamento (vedi tabella supplementare 4), suggerendo che la confusione dovuta al PC9 non ha portato a distorsioni apprezzabili.

Mentre la legislazione sull’istruzione non è stata diversa in Inghilterra e nel Galles, mentre i partecipanti alla Biobanca del Regno Unito erano nel campo dell’istruzione, le scuole scozzesi normalmente finiscono un anno prima e le lauree universitarie sono di conseguenza più lunghe di un anno. Questa differenza avrebbe un impatto sugli anni trascorsi nell’istruzione per gli scozzesi che si trasferiscono in Inghilterra per frequentare l’università e viceversa. Tuttavia, i risultati di un’analisi mendeliana di sensibilità alla randomizzazione limitata ai partecipanti nati in Inghilterra sono rimasti sostanzialmente invariati (vedi tabella supplementare 4), fornendo la prova che l’imprecisione nel quantificare gli anni trascorsi in educazione a causa delle differenze nell’età di abbandono scolastico non ha influito negativamente sui risultati.

Fig. 4.Trame di polarizzazione confondenti. I grafici che mostrano un pregiudizio relativo nella stima della variabile strumentale (blu) e nella stima della regressione multivariabile standard (bianco) rispetto ai potenziali fattori di confusione, tra cui: luogo di nascita (coordinate del nord e dell’est), indice di deprivazione di Townsend, età, sesso, allattamento al seno, peso alla nascita e i primi 10 principali componenti genetici (PC), quando (A) stima l’effetto del tempo trascorso in educazione sull’errore di rifrazione; e (B) stima l’effetto dell’errore di rifrazione sul tempo trascorso in educazione. L’indice di deprivazione di Townsend era log naturale trasformato

Pleiotropia orizzontale (genetica)

Nella seconda ipotesi di randomizzazione mendeliana, le varianti genetiche con effetti pleiotropici sono variabili strumentali non valide. Ciò può essere problematico quando le varianti genetiche vengono utilizzate senza tener conto dei meccanismi biologici attraverso i quali influenzano l’esposizione, ad esempio se le varianti genetiche associate a più anni di istruzione hanno anche causato miopia indipendentemente dal fenotipo dell’istruzione. I metodi mendeliani di randomizzazione-Egger, modalità ponderata e mediana ponderata sono metodi alternativi per integrare stime di variabili strumentali attraverso singoli singoli polimorfismi nucleotidici. Questi metodi permettono di allentare alcune delle ipotesi della randomizzazione mendeliana fornendo test validi per la causalità nonostante la presenza di variabili strumentali non valide (ad esempio, a causa della pleiotropia genetica).54 Se i risultati dei diversi metodi di randomizzazione mendeliana sono divergenti, ciò può indicare che la pleiotropia genetica sta creando un pregiudizio. Tuttavia, tutti i metodi hanno prodotto stime causali simili per grandezza e direzione, in modo tale che l’aumento del tempo trascorso nell’istruzione ha portato a un errore di rifrazione più miope (da -0,17 a -0,40 diottrie/a), mentre ci sono poche prove che un errore di rifrazione più miope abbia portato a un aumento del tempo trascorso nell’istruzione (vedi tabella supplementare 3). Con la randomizzazione-Egger mendeliana, una deviazione della stima dell’intercettazione da zero suggerisce l’esistenza di pleiotropia genetica, cioè dove alcune varianti genetiche influenzano l’esito attraverso un percorso biologico diverso dall’esposizione in esame. In pratica, c’erano poche prove che l’intercettazione di Egger deviava da zero sia per più tempo nell’istruzione causando un errore di rifrazione (intercettazione = 0,007, SE = 0,006, P = 0,2) o un errore di rifrazione che causava più tempo nell’istruzione (intercettazione = 0,002, SE = 0,007, P = 0,8), indicando che c’erano poche prove per la pleiotropia genetica direzionale.

Errore di misura

La codifica del tempo trascorso nell’educazione come tratto dicotomico (>16 contro ≤16 anni di età quando l’educazione a tempo pieno è stata completata) ha prodotto lo stesso modello di causalità della variabile continua, l’età in cui l’educazione a tempo pieno è stata completata – cioè, più tempo trascorso nell’educazione ha avuto un effetto sull’errore di rifrazione (β IV=-0.35 diottrie / LOD(educazione) dove LOD è il logaritmo delle probabilità di aver trascorso >16 contro ≤16 anni nell’educazione, intervallo di confidenza del 95% da -0,48 a -0,22), mentre l’errore di rifrazione non ha avuto un effetto sul tempo trascorso nell’educazione (β IV=-0,0004 LOD₍educazione)/diottrie, da -0,03 a 0,03) (vedi tabella supplementare 4).

Quando coloro che hanno frequentato l’università o il college sono stati esclusi dalle analisi, c’è stata una stima puntiforme simile dell’effetto del tempo trascorso in educazione sull’errore di rifrazione (β IV=-0,23 diottrie/a, intervallo di confidenza del 95% -0,48 a 0,02, P=0,07) con errori standard più grandi. Ciò è attribuibile, in parte, alla ridotta dimensione del campione (n=45-535). Anche in questo caso, ci sono state poche prove che l’errore di rifrazione abbia avuto un effetto sul tempo trascorso nell’istruzione (β IV=-0,004 y/diottro, intervallo di confidenza del 95% -0,04 a 0,03, P=0,8) (vedi tabella supplementare 4).

Utilizzando il test di Durbin-Wu-Hausman per l’endogeneità, abbiamo trovato una debole evidenza che la stima della variabile strumentale che utilizza il punteggio dell’allele del tempo trascorso in educazione differisce dalla stima del punto di osservazione (Durbin-Wu-Hausman P=0.06), con la stima della variabile strumentale che suggerisce una più grande associazione negativa(tabella 2). C’era una forte evidenza che la stima della variabile strumentale che utilizzava il punteggio dell’allele miopia si discostava dalla stima del punto di osservazione (Durbin-Wu-Hausman P<2e-16; tabella 2).

Discussione

In questo studio, abbiamo trovato una forte evidenza del fatto che più tempo trascorso nell’istruzione è un fattore di rischio causale per la miopia. Più specificamente, ogni anno in più di istruzione ha causato un aumento dell’errore di rifrazione miope di -0,27 diottrie/a (intervallo di confidenza del 95% da -0,37 a -0,17, P=4e-8). Quindi l’effetto cumulativo di più anni di istruzione sull’errore di rifrazione significa che chi frequenta l’università avrebbe probabilmente almeno -1 diottria in più di miopia rispetto a chi ha lasciato la scuola a 16 anni. Una differenza di questa entità offuscherebbe la vista su un grafico dell’acuità visiva di Snellen a 6/18 e influenzerebbe la capacità di guidare senza occhiali. Coloro che hanno la miopia, per definizione, hanno una migliore visione da vicino rispetto alla visione da lontano e richiedono uno sforzo meno accomodante per il lavoro e lo studio da vicino, e così la miopia è stata proposta come un vantaggio educativo.55 Nonostante la percezione generale che le persone con miopia siano più studiose di quelle senza miopia, ci sono poche prove del fatto che l’essere miope fa sì che le persone rimangano più a lungo nel mondo dell’istruzione.

Punti di forza e limiti di questo studio

La randomizzazione mendeliana è un approccio particolarmente potente per testare le ipotesi causali in epidemiologia.5657Le grandi dimensioni del campione e le variabili genetiche strumentali robustamente associate alle variabili strumentali utilizzate in questo caso hanno permesso di stimare gli effetti causali con elevata precisione. Coerentemente con altri studi, il punteggio allelico per la miopia spiegava solo una piccola frazione (4,32%) della varianza dell’errore di rifrazione dei partecipanti alla Biobank UK.20 Analogamente, il punteggio dell’allele per l’istruzione spiegava solo una piccola frazione della varianza (0,71%) nel tempo trascorso nell’istruzione dei partecipanti in UK Biobank.34 Tuttavia, i calcoli di potenza hanno confermato che questi effetti erano sufficienti per trarre solide deduzioni dai risultati dell’analisi di randomizzazione mendeliana qui presentata (vedi figura supplementare S1). Data l’ubiquità dell’esposizione all’istruzione nelle popolazioni con dati disponibili sul genotipo, non è possibile valutare coloro che erano completamente esenti dal risultato, in particolare l’istruzione. Né è etico valutare l’impatto sull’errore di rifrazione dei bambini a diversi livelli o anni di istruzione per valutare l’impatto sull’errore di rifrazione. Il vantaggio della randomizzazione mendeliana è che i partecipanti sono raggruppati in base al loro genotipo-assegnati in modo casuale al momento del concepimento e quindi analogo a uno studio controllato randomizzato in cui le varianti genetiche sono utilizzate come proxy di un’esposizione ambientale per fare inferenze causali sull’impatto dell’esposizione sull’esito di interesse. Tuttavia, non è possibile determinare esattamente quali componenti delle pratiche educative negli ultimi 5-7 decenni hanno portato ad un aumento della rifrazione miope utilizzando la randomizzazione mendeliana. Anche se più robusta da confondere rispetto agli studi osservazionali standard, la randomizzazione mendeliana non è del tutto immune. Ci sono state alcune prove di confusione da parte delle variabili northing e PC9, di cui quest’ultimo ha identificato persone provenienti dal Galles. Anche se ci sono alcune differenze tra il sistema educativo in Inghilterra e nel Galles rispetto alla Scozia, i risultati sono rimasti invariati quando le analisi sono state limitate alle persone provenienti dall’Inghilterra. Un’altra limitazione di questo studio è stata la distorsione della selezione. I partecipanti alla Biobanca del Regno Unito hanno dimostrato di essere più istruiti, di avere uno stile di vita più sano e di avere meno risultati negativi per la salute di quanto ci si aspettasse rispetto alla popolazione generale del Regno Unito.58 Questa distorsione della selezione avrebbe potuto portare a distorsioni sia nelle stime dell’effetto osservazionale che in quelle dell’effetto di randomizzazione mendeliano.59

Quando si utilizza la randomizzazione mendeliana non è necessario sapere come le varianti genetiche utilizzate nell’analisi causano l’esposizione. Tuttavia, senza conoscere la funzione delle varianti genetiche e come esse influenzano i tratti qui descritti, è possibile che alcuni singoli polimorfismi nucleotidici possano influenzare il risultato attraverso un percorso che non comporta l’esposizione, cioè attraverso la pleiotropia orizzontale. Per esempio, gli esiti educativi e l’intelligenza sono altamente correlati, e se l’intelligenza ha causato miopia attraverso un percorso che non comporta l’esposizione all’istruzione, questo potrebbe causare distorsioni nella stima dell’effetto causale della randomizzazione mendeliana (vedi figura supplementare 3a). Al contrario, la pleiotropia verticale si riferisce a polimorfismi a singolo nucleotide che influenzano l’esito attraverso un fenotipo intermedio – per esempio, se alcuni polimorfismi a singolo nucleotide influenzano l’esposizione all’educazione attraverso la loro influenza sull’intelligenza. La pleiotropia verticale che agisce attraverso l’intelligenza non influenzerebbe la stima causale della randomizzazione mendeliana qui ottenuta (vedi figura supplementare 3b). Le analisi di sensibilità (randomizzazione mendeliana -Egger e randomizzazione mendeliana basata sulla modalità; si veda la tabella supplementare S3) hanno suggerito poche prove di una pleiotropia orizzontale sbilanciata nella relazione tra educazione e miopia, anche se tale distorsione non può essere esclusa in modo inequivocabile.

Confronto con altri studi

In accordo con un numero sostanziale di studi epidemiologici risalenti a più di 100 anni fa,61330le analisi osservazionali di questo studio hanno mostrato che i partecipanti più istruiti della UK Biobank erano più miopi. I risultati delle analisi di randomizzazione mendeliana bidirezionale hanno mostrato che questa associazione deriva dall’esposizione a fattori legati all’educazione sulla miopia. L’attuale epidemia di miopia nei paesi sviluppati dell’Asia orientale e sudorientale nel corso delle ultime una o due generazioni sembra coincidere con l’aumento dell’esposizione all’istruzione primaria e secondaria, mentre i risultati educativi (ad esempio, in campo scientifico, di lettura e matematico) sono meno chiaramente associati alla miopia, dal momento che molti paesi occidentali raggiungono le prime posizioni internazionali nelle valutazioni degli studenti senza gli stessi alti tassi di prevalenza della miopia.60 Inoltre, ci sono paesi con sistemi educativi scarsamente sviluppati in cui la prevalenza della miopia è bassa,61626364e quindi qualsiasi relazione causale tra intelligenza e miopia è improbabile. Esistono altre associazioni ben consolidate tra miopia e urbanizzazione, ridotta esposizione alla luce, posizione socioeconomica, vicinanza al lavoro e fattori prenatali,21656667e molti di questi fattori confondono il rapporto tra istruzione e miopia o possono lavorare in sinergia per esacerbare l’effetto – ad esempio, nei paesi in cui la prevalenza della miopia è particolarmente elevata. Nonostante le solide associazioni tra l’esposizione all’istruzione e la miopia riportate da molti di questi studi precedenti, non hanno dimostrato la causalità. Solo uno studio ha affrontato il rapporto di causalità tra istruzione e miopia: in un’analisi di randomizzazione mendeliana di tre coorti di ascendenza europea (combinato n=5649), Cuellar-Partida et al68 hanno riportato che ogni anno di istruzione ha portato a un errore di rifrazione più miope di -0,46 diottrie/a (P=1e-3). Tuttavia, lo studio era sottodimensionato e gli autori non hanno indagato la possibilità di una pleiotropia genetica orizzontale o di una causalità inversa.68 Inoltre, la loro metodologia ha rischiato di violare i presupposti chiave della randomizzazione mendeliana perché hanno usato diverse migliaia di polimorfismi a singolo nucleotide (n=17-749) per costruire un punteggio di rischio poligenico come variabile strumentale per la loro misura dell’educazione. Il numero di singoli polimorfismi nucleotidici utilizzati in questo studio precedente significa che era più probabile che includesse varianti pleiotropiche con effetti diretti sia sull’esposizione all’educazione che sull’errore di rifrazione, e polimorfismi singoli nucleotidici che sono in disequilibrio di collegamento con varianti di errore di rifrazione. La dimensione del campione molto più grande in questo studio ha permesso l’uso di un piccolo numero di varianti fortemente associate come variabili strumentali per l’esposizione all’educazione e all’errore di rifrazione. In questo modo è stato attenuato il rischio di squilibrio di collegamento tra le varianti di rischio principali per i due tratti che spiegano le associazioni sottostanti tra l’istruzione e la miopia. Fondamentalmente, le analisi di questo studio hanno fornito una forte evidenza che la relazione è nata da un effetto causale dell’esposizione all’educazione sull’errore di rifrazione, e non da una causalità inversa o confusa da influenze come la posizione socio-economica.

Esattamente come i livelli crescenti di istruzione causano miopia non possono essere dedotti dalle analisi di randomizzazione mendeliana, anche se i fattori di rischio ambientale noti per la miopia forniscono indizi intriganti. I bambini dei paesi sviluppati dell’Est e del Sud-Est asiatico riferiscono costantemente che trascorrono meno tempo all’aperto rispetto ai bambini dell’Australia o degli Stati Uniti,252728286970717273e gli studi randomizzati controllati hanno rilevato che il tempo trascorso all’aperto durante l’infanzia protegge dallo sviluppo della miopia.2425Pertanto, la mancanza di tempo all’aperto è un mediatore plausibile nel percorso causale che collega più tempo trascorso all’aperto all’educazione e alla miopia. Inoltre, l’impegno in attività lavorative vicine al lavoro, come la lettura, è associato all’incidenza e alla progressione della miopia, anche se in modo meno coerente rispetto al tempo trascorso all’aperto.1126737475Tuttavia, le misure del tempo trascorso in attività lavorative vicine e del tempo trascorso all’aperto non sono generalmente correlate.272829Pertanto, la mancanza di tempo all’aperto e l’eccessivo lavoro in prossimità del luogo di lavoro possono non essere le uniche vie che mediano gli effetti dell’esposizione all’istruzione sulla miopia. I bambini affetti da miopia tendono a fare meno attività fisica, come lo sport, ma l’attività fisica in sé non sembra essere protettiva.2976Altri hanno correlato una maggiore esposizione alla luce con un minore rischio di miopia,6677ed è possibile che coloro che trascorrono più anni in educazione abbiano una minore esposizione alla luce naturale. La progressione della miopia è più rapida nei mesi invernali, sostenendo così l’ipotesi che l’esposizione alla luce naturale sia importante.7879Questa ipotesi è stata uno dei principali fattori che hanno spinto i recenti investimenti in “aule luminose” per la protezione dalla miopia nel Sud-Est asiatico.80 Se queste aule forniscano una protezione contro la miopia che riproduca gli effetti dell’aumento del tempo trascorso all’aperto non è attualmente noto, poiché l’impatto di questo intervento non è stato ancora misurato. La migliore raccomandazione, basata sulla più alta qualità disponibile al momento, è che i bambini passino più tempo all’aperto(www.nhs.uk/conditions/short-sightedness/).

Conclusioni e implicazioni politiche

Questo studio fornisce una forte evidenza del fatto che un maggiore tempo dedicato all’istruzione è un fattore di rischio causale per la miopia. Con il rapido aumento della prevalenza globale della miopia e il peso economico della miopia e le complicazioni che ne minacciano la visione, i risultati di questo studio hanno importanti implicazioni per le pratiche educative. La crescita assiale degli occhi si verifica prevalentemente durante gli anni scolastici81 e, poiché i livelli di miopia tendono a stabilizzarsi in età adulta23 , qualsiasi intervento per arrestare o prevenire la miopia deve essere effettuato nell’infanzia. I responsabili delle politiche devono essere consapevoli del fatto che le pratiche educative utilizzate per educare i bambini e per promuovere la salute personale ed economica possono avere la conseguenza involontaria di causare livelli crescenti di miopia e, in seguito, di disabilità visiva.

Ciò che è già noto su questo argomento

1. La miopia, o miopia, è una delle principali cause di disabilità visiva in tutto il mondo, e la prevalenza globale è in rapido aumento
2. Numerosi studi osservazionali hanno riportato forti associazioni tra risultati educativi e miopia
3. Poiché la randomizzazione dei bambini a diversi livelli di istruzione non sarebbe etica, non si sapeva se l’aumento dell’esposizione all’istruzione causa miopia, se i bambini miopi sono più studiosi, o se la posizione socioeconomica porta alla miopia e a livelli di istruzione più elevati

Cosa aggiunge questo studio

1. Più tempo dedicato all’istruzione è un fattore di rischio causale per la miopia
2. Questo studio evidenzia la necessità di ulteriori ricerche e discussioni su come le pratiche educative potrebbero essere migliorate per ottenere risultati migliori senza influire negativamente sulla visione

References

1. Vitale S, Sperduto RD, Ferris FL. Increased prevalence of myopia in the United States between 1971-1972 and 1999-2004. Arch Ophthalmol. 2009; 127:1632-9. DOI | PubMed
2. Williams KM, Verhoeven VJ, Cumberland P. Prevalence of refractive error in Europe: the European Eye Epidemiology (E(3)) Consortium. Eur J Epidemiol. 2015; 30:305-15. DOI | PubMed
3. Verhoeven VJ, Wong KT, Buitendijk GH, Hofman A, Vingerling JR, Klaver CC. Visual consequences of refractive errors in the general population. Ophthalmology. 2015; 122:101-9. DOI | PubMed
4. Flitcroft DI. The complex interactions of retinal, optical and environmental factors in myopia aetiology. Prog Retin Eye Res. 2012; 31:622-60. DOI | PubMed
5. Morgan IG, Ohno-Matsui K, Saw SM. Myopia. Lancet. 2012; 379:1739-48. DOI | PubMed
6. Jung SK, Lee JH, Kakizaki H, Jee D. Prevalence of myopia and its association with body stature and educational level in 19-year-old male conscripts in seoul, South Korea. Invest Ophthalmol Vis Sci. 2012; 53:5579-83. DOI | PubMed
7. Holden BA, Fricke TR, Wilson DA. Global Prevalence of Myopia and High Myopia and Temporal Trends from 2000 through 2050. Ophthalmology. 2016; 123:1036-42. DOI | PubMed
8. Vitale S, Ellwein L, Cotch MF, Ferris FL, Sperduto R. Prevalence of refractive error in the United States, 1999-2004. Arch Ophthalmol. 2008; 126:1111-9. DOI | PubMed
9. Harman NB. The Education of High Myopes. Proc R Soc Med. 1913; 6(Sect Ophthalmol):146-63. DOI | PubMed
10. Holm E. Investigations of myopia in Danish secondary schools. Acta Ophthalmologica. 1925; 3:121-30. DOI
11. Morgan I, Rose K. How genetic is school myopia?. Prog Retin Eye Res. 2005; 24:1-38. DOI | PubMed
12. Zylbermann R, Landau D, Berson D. The influence of study habits on myopia in Jewish teenagers. J Pediatr Ophthalmol Strabismus. 1993; 30:319-22. DOI | PubMed
13. Au Eong KG, Tay TH, Lim MK. Education and myopia in 110,236 young Singaporean males. Singapore Med J. 1993; 34:489-92. PubMed
14. Kiefer AK, Tung JY, Do CB. Genome-wide analysis points to roles for extracellular matrix remodeling, the visual cycle, and neuronal development in myopia. PLoS Genet. 2013; 9:e1003299. DOI | PubMed
15. Pickrell JK, Berisa T, Liu JZ, Ségurel L, Tung JY, Hinds DA. Detection and interpretation of shared genetic influences on 42 human traits. Nat Genet. 2016; 48:709-17. DOI | PubMed
16. Verhoeven VJM, Hysi PG, Wojciechowski R, Consortium for Refractive Error and Myopia (CREAM), Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications (DCCT/EDIC) Research Group, Wellcome Trust Case Control Consortium 2 (WTCCC2), Fuchs’ Genetics Multi-Center Study Group. Genome-wide meta-analyses of multiancestry cohorts identify multiple new susceptibility loci for refractive error and myopia. Nat Genet. 2013; 45:314-8. DOI | PubMed
17. Hammond CJ, Snieder H, Gilbert CE, Spector TD. Genes and environment in refractive error: the twin eye study. Invest Ophthalmol Vis Sci. 2001; 42:1232-6. PubMed
18. Lopes MC, Andrew T, Carbonaro F, Spector TD, Hammond CJ. Estimating heritability and shared environmental effects for refractive error in twin and family studies. Invest Ophthalmol Vis Sci. 2009; 50:126-31. DOI | PubMed
19. Deary IJ, Johnson W, Houlihan LM. Genetic foundations of human intelligence. Hum Genet. 2009; 126:215-32. DOI | PubMed
20. Williams KM, Hysi PG, Yonova-Doing E, Mahroo OA, Snieder H, Hammond CJ. Phenotypic and genotypic correlation between myopia and intelligence. Sci Rep. 2017; 7:45977. DOI | PubMed
21. Morgan IG, French AN, Ashby RS. The epidemics of myopia: Aetiology and prevention. Prog Retin Eye Res. 2018; 62:134-49. DOI | PubMed
22. Morgan IG, He M, Rose KA. Epidemic of Pathologic Myopia: What Can Laboratory Studies and Epidemiology Tell Us?. Retina. 2017; 37:989-97. DOI | PubMed
23. Weale RA. Epidemiology of refractive errors and presbyopia. Surv Ophthalmol. 2003; 48:515-43. DOI | PubMed
24. Wu PC, Tsai CL, Wu HL, Yang YH, Kuo HK. Outdoor activity during class recess reduces myopia onset and progression in school children. Ophthalmology. 2013; 120:1080-5. DOI | PubMed
25. He M, Xiang F, Zeng Y. Effect of Time Spent Outdoors at School on the Development of Myopia Among Children in China: A Randomized Clinical Trial. JAMA. 2015; 314:1142-8. DOI | PubMed
26. Guggenheim JA, St Pourcain B, McMahon G, Timpson NJ, Evans DM, Williams C. Assumption-free estimation of the genetic contribution to refractive error across childhood. Mol Vis. 2015; 21:621-32. PubMed
27. Jones LA, Sinnott LT, Mutti DO, Mitchell GL, Moeschberger ML, Zadnik K. Parental history of myopia, sports and outdoor activities, and future myopia. Invest Ophthalmol Vis Sci. 2007; 48:3524-32. DOI | PubMed
28. Rose KA, Morgan IG, Ip J. Outdoor activity reduces the prevalence of myopia in children. Ophthalmology. 2008; 115:1279-85. DOI | PubMed
29. Guggenheim JA, Northstone K, McMahon G. Time outdoors and physical activity as predictors of incident myopia in childhood: a prospective cohort study. Invest Ophthalmol Vis Sci. 2012; 53:2856-65. DOI | PubMed
30. Rosner M, Belkin M. Intelligence, education, and myopia in males. Arch Ophthalmol. 1987; 105:1508-11. DOI | PubMed
31. Palmer TM, Sterne JAC, Harbord RM. Instrumental variable estimation of causal risk ratios and causal odds ratios in Mendelian randomization analyses. Am J Epidemiol. 2011; 173:1392-403. DOI | PubMed
32. Smith GD, Ebrahim S. ‘Mendelian randomization’: can genetic epidemiology contribute to understanding environmental determinants of disease?. Int J Epidemiol. 2003; 32:1-22. DOI | PubMed
33. Davey Smith G, Hemani G. Mendelian randomization: genetic anchors for causal inference in epidemiological studies. Hum Mol Genet. 2014; 23(R1):R89-98. DOI | PubMed
34. Okbay A, Beauchamp JP, Fontana MA, LifeLines Cohort Study. Genome-wide association study identifies 74 loci associated with educational attainment. Nature. 2016; 533:539-42. DOI | PubMed
35. Timpson NJ, Nordestgaard BG, Harbord RM. C-reactive protein levels and body mass index: elucidating direction of causation through reciprocal Mendelian randomization. Int J Obes (Lond). 2011; 35:300-8. DOI | PubMed
36. Publisher Full Text
37. Sudlow C, Gallacher J, Allen N. UK biobank: an open access resource for identifying the causes of a wide range of complex diseases of middle and old age. PLoS Med. 2015; 12:e1001779. DOI | PubMed
38. Sanfilippo PG, Chu BS, Bigault O. What is the appropriate age cut-off for cycloplegia in refraction?. Acta Ophthalmol. 2014; 92:e458-62. DOI | PubMed
39. Publisher Full Text
40. Mitchell R, Hemani G, Dudding T. UK Biobank Genetic Data: MRC-IEU Quality Control, Version 1.. University of Bristol; 2017.
41. Sham WK, Dirani M, Chong YS. Breastfeeding and association with refractive error in young Singapore Chinese children. Eye (Lond). 2010; 24:875-80. PubMed
42. Victora CG, Horta BL, Loret de Mola C. Association between breastfeeding and intelligence, educational attainment, and income at 30 years of age: a prospective birth cohort study from Brazil. Lancet Glob Health. 2015; 3:e199-205. DOI | PubMed
43. Burgess S, Scott RA, Timpson NJ, Davey Smith G, Thompson SG, EPIC- InterAct Consortium. Using published data in Mendelian randomization: a blueprint for efficient identification of causal risk factors. Eur J Epidemiol. 2015; 30:543-52. DOI | PubMed
44. . 2014.Publisher Full Text
45. Davies NM, von Hinke Kessler Scholder S, Farbmacher H, Burgess S, Windmeijer F, Smith GD. The many weak instruments problem and Mendelian randomization. Stat Med. 2015; 34:454-68. DOI | PubMed
46. Brion M-JA, Shakhbazov K, Visscher PM. Calculating statistical power in Mendelian randomization studies. Int J Epidemiol. 2013; 42:1497-501. DOI | PubMed
47. Davies NM. An even clearer portrait of bias in observational studies?. Epidemiology. 2015; 26:505-8. DOI | PubMed
48. Jackson JW, Swanson SA. Toward a clearer portrayal of confounding bias in instrumental variable applications. Epidemiology. 2015; 26:498-504. DOI | PubMed
49. White KR. The relation between socioeconomic status and academic achievement. Psychol Bull. 1982; 91:461-81. DOI
50. Sirin SR. Socioeconomic Status and Academic Achievement: A Meta-Analytic Review of Research. Rev Educ Res. 2005; 75:417-53. DOI
52. Nakamura A, Nakamura M. On the performance of tests by Wu and by Hausman for detecting the ordinary least squares bias problem. J Econom. 1985; 29:213-27. DOI
53. Staiger D, Stock JH. Instrumental Variables Regression with Weak Instruments. Econometrica. 1997; 65:557-86. DOI
54. Bowden J, Davey Smith G, Burgess S. Mendelian randomization with invalid instruments: effect estimation and bias detection through Egger regression. Int J Epidemiol. 2015; 44:512-25. DOI | PubMed
55. Hirsch MJ. The relationship between refractive state of the eye and intelligence test scores. Am J Optom Arch Am Acad Optom. 1959; 36:12-21. DOI | PubMed
56. Davey Smith G, Ebrahim S. What can mendelian randomisation tell us about modifiable behavioural and environmental exposures?. BMJ. 2005; 330:1076-9. DOI | PubMed
57. VanderWeele TJ, Tchetgen Tchetgen EJ, Cornelis M, Kraft P. Methodological challenges in mendelian randomization. Epidemiology. 2014; 25:427-35. DOI | PubMed
58. Fry A, Littlejohns TJ, Sudlow C. Comparison of Sociodemographic and Health-Related Characteristics of UK Biobank Participants With Those of the General Population. Am J Epidemiol. 2017; 186:1026-34. DOI | PubMed
59. Munafo M, Davey Smith G. Biased Estimates in Mendelian Randomization Studies Conducted in Unrepresentative Samples. JAMA Cardiol. 2017; 3:181. DOI | PubMed
60. Morgan IG, Rose KA. Myopia and international educational performance. Ophthalmic Physiol Opt. 2013; 33:329-38. DOI | PubMed
61. Gao Z, Meng N, Muecke J. Refractive error in school children in an urban and rural setting in Cambodia. Ophthalmic Epidemiol. 2012; 19:16-22. DOI | PubMed
62. Garner LF, Kinnear RF, Klinger JD, McKellar MJ. Prevalence of myopia in school children in Vanuatu. Acta Ophthalmol (Copenh). 1985; 63:323-6. DOI | PubMed
63. Garner LF, Owens H, Kinnear RF, Frith MJ. Prevalence of myopia in Sherpa and Tibetan children in Nepal. Optom Vis Sci. 1999; 76:282-5. DOI | PubMed
64. Casson RJ, Kahawita S, Kong A, Muecke J, Sisaleumsak S, Visonnavong V. Exceptionally low prevalence of refractive error and visual impairment in schoolchildren from Lao People’s Democratic Republic. Ophthalmology. 2012; 119:2021-7. DOI | PubMed
65. Williams KM, Bentham GC, Young IS. Association Between Myopia, Ultraviolet B Radiation Exposure, Serum Vitamin D Concentrations, and Genetic Polymorphisms in Vitamin D Metabolic Pathways in a Multicountry European Study. JAMA Ophthalmol. 2016; 135:47-53. DOI | PubMed
66. Hua W-J, Jin J-X, Wu X-Y. Elevated light levels in schools have a protective effect on myopia. Ophthalmic Physiol Opt. 2015; 35:252-62. DOI | PubMed
67. Rahi JS, Cumberland PM, Peckham CS. Myopia over the lifecourse: prevalence and early life influences in the 1958 British birth cohort. Ophthalmology. 2011; 118:797-804. DOI | PubMed
68. Cuellar-Partida G, Lu Y, Kho PF. Assessing the Genetic Predisposition of Education on Myopia: A Mendelian Randomization Study. Genet Epidemiol. 2016; 40:66-72. DOI | PubMed
69. French AN, Ashby RS, Morgan IG, Rose KA. Time outdoors and the prevention of myopia. Exp Eye Res. 2013; 114:58-68. DOI | PubMed
70. French AN, Morgan IG, Burlutsky G, Mitchell P, Rose KA. Prevalence and 5- to 6-year incidence and progression of myopia and hyperopia in Australian schoolchildren. Ophthalmology. 2013; 120:1482-91. DOI | PubMed
71. French AN, Morgan IG, Mitchell P, Rose KA. Risk factors for incident myopia in Australian schoolchildren: the Sydney adolescent vascular and eye study. Ophthalmology. 2013; 120:2100-8. DOI | PubMed
72. Rose KA, Morgan IG, Smith W, Burlutsky G, Mitchell P, Saw SM. Myopia, lifestyle, and schooling in students of Chinese ethnicity in Singapore and Sydney. Arch Ophthalmol. 2008; 126:527-30. DOI | PubMed
73. Jones-Jordan LA, Sinnott LT, Cotter SA, CLEERE Study Group. Time outdoors, visual activity, and myopia progression in juvenile-onset myopes. Invest Ophthalmol Vis Sci. 2012; 53:7169-75. DOI | PubMed
74. Saw SM, Tan SB, Fung D. IQ and the association with myopia in children. Invest Ophthalmol Vis Sci. 2004; 45:2943-8. DOI | PubMed
75. Mutti DO, Zadnik K. Has near work’s star fallen?. Optom Vis Sci. 2009; 86:76-8. DOI | PubMed
76. Deere K, Williams C, Leary S. Myopia and later physical activity in adolescence: a prospective study. Br J Sports Med. 2009; 43:542-4. DOI | PubMed
77. Williams KM, Bentham GC, Young IS. Association Between Myopia, Ultraviolet B Radiation Exposure, Serum Vitamin D Concentrations, and Genetic Polymorphisms in Vitamin D Metabolic Pathways in a Multicountry European Study. JAMA Ophthalmol. 2017; 135:47-53. DOI | PubMed
78. Cui D, Trier K, Munk Ribel-Madsen S. Effect of day length on eye growth, myopia progression, and change of corneal power in myopic children. Ophthalmology. 2013; 120:1074-9. DOI | PubMed
79. Gwiazda J, Deng L, Manny R, Norton TT, COMET Study Group. Seasonal variations in the progression of myopia in children enrolled in the correction of myopia evaluation trial. Invest Ophthalmol Vis Sci. 2014; 55:752-8. DOI | PubMed
80. Zhou Z, Chen T, Wang M. Pilot study of a novel classroom designed to prevent myopia by increasing children’s exposure to outdoor light. PLoS One. 2017; 12:e0181772. DOI | PubMed
81. Wallman J, Turkel J, Trachtman J. Extreme myopia produced by modest change in early visual experience. Science. 1978; 201:1249-51. DOI | PubMed