孟德尔随机化研究投稿，STROBE-MR清单该核对哪些关键事实？

一篇孟德尔随机化研究想投医学期刊，作者在方法段写了“选取遗传工具变量并进行敏感性分析”，却没有交代变异位点来自哪组样本、工具如何筛选、各数据集是否重叠。读者看到因果方向的结论，无法判断它依赖哪些假设。STROBE-MR 不是给文章盖上“因果已证实”的印章，而是提醒作者把设计、工具变量和偏倚判断报告到可审查的程度。

从研究问题和数据来源核对

先明确暴露、结局、目标人群和研究是单样本还是双样本。列出每份关联数据的来源、测量、样本量和纳入人群，说明工具位点从何处筛选、是否独立、如何处理连锁不平衡。若暴露与结局数据有样本重叠，要交代重叠可能如何影响估计。不要把公开数据库名称写在参考文献里，就省略数据具体版本和所用表型定义。

STROBE-MR 是针对孟德尔随机化研究的报告清单，由方法学与期刊领域专家制定。PLOS ONE 当前投稿说明要求此类研究随稿提供填好页码及相关文字位置的 STROBE-MR 清单，作为支持信息。清单不是空白模板，也不是代替正文的方法章节。投稿前应逐项对应稿件段落，缺失的研究事实要先补进稿件，再填页码。

让三类核心假设有对应证据

孟德尔随机化通常依赖工具与暴露相关、工具不受暴露结局关系的混杂因素影响，以及工具对结局的影响不经由暴露以外通路等假设。报告时要说明如何评估工具强度、水平多效性、方向性或其他可能破坏假设的因素。某项敏感性分析给出相近估计，也不能直接写成“所有假设成立”；每种检验只针对特定偏倚，解释应对应其能检验的范围。

结果表应给出效应估计、不确定性、工具数量和主要分析方法；不同敏感性结果若差异明显，不应只挑最有利的一列写进摘要。若研究包含多暴露、多结局或多个数据源，说明哪些分析预先设定，哪些是探索性比较。讨论部分把测量误差、选择偏倚、群体结构和数据来源限制放回结论边界，避免把遗传工具估计解释成任何人群中干预都能复制的效果。

按投稿文件做最后交叉核对

打开 STROBE-MR 清单，从每个条目反查正文、表格和补充材料；再从摘要的每个因果表述反查支撑分析及其限制。核对清单中的页码是否随排版更新，数据集标识是否与仓储或来源说明一致。若目标刊另有研究类型专属文件，也要按其当前作者指南补齐。清楚报告不能让有缺陷的设计变成强设计，但能让编辑与读者准确看到证据从何而来、哪里仍有不确定性。