Research Article

تطوير والتحقق من نموذج التنبؤ بمخاطر الاكتئاب للبالغين في منتصف العمر وكبار السن في المنازل في الصين بناء على بيانات CHARLS

DOI:

10.3791/69993

⸱

March 13th, 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1School of Public Health, Xinyu University, 2Research Center for Health Promotion and Behavioral Intervention, Xinyu University, 3Department of Epidemiology and Biostatistics, College of Public Health, Zhengzhou University

* These authors contributed equally

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

طورت هذه الدراسة وأكدت نموذج توقع مخاطر الاكتئاب للبالغين في منتصف العمر وكبار السن الذين يعيشون في المنزل باستخدام بيانات CHARLS. يدمج هذا النموذج خمسة عوامل تنبؤية رئيسية. أظهر التصوير النوموغرامي تمييزا مقبولا (0.766/0.664)، وهو مناسب لتدرج المخاطر على مستوى السكان ويعد أداة فحص فعالة.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

هناك نقص في الأبحاث حول نماذج التنبؤ بالمخاطر لأعراض الاكتئاب بين البالغين في منتصف العمر وكبار السن الذين يعيشون في المنازل، في الصين. هدفت هذه الدراسة إلى تطوير نموذج لتوقع المخاطر وتحديد عوامل الخطر للاكتئاب بين البالغين في منتصف العمر وكبار السن المقيمين في المنازل في الصين، بهدف توجيه استراتيجيات الوقاية المبنية على الأدلة وسياسات الصحة العامة. باستخدام أحدث موجة تمثيلية وطنية لمعيار CHARLS 2020 (n = 14,466)، طورنا أول تصوير نوموغرامي اقتصادي للتنبؤ بأعراض الاكتئاب (CES-D-10 ≥ 10) لدى الصينيين في منتصف العمر وكبار السن الذين يعيشون في المنزل. بعد شاشات كاي-تربيع وشاشات لوجستية متعددة المتغيرات، حدد LASSO مع التحقق المتقاطع بعشرة أضعاف أكثر خمسة متنبئين تأثيرا. تم تقييم التمييز النموذجي (AUC)، والمعايرة (هوسمر-ليميشو، مخطط المعايرة)، والمنفعة السريرية (تحليل منحنى القرار) في تقسيمات التدريب والاختبار (7:3). من بين 14,466 بالغا في منتصف العمر وكبار السن يعيشون في المنازل، كان لدى 5,488 (37.1٪) أعراض اكتئاب، و8,978 (62.9٪) لم يستوفوا معايير الأعراض الاكتئابية. تضمن الرسم النوموغرامي النهائي خمسة متغيرات: الجنس الأنثوي، هوكو الريفية، التعليم الأساسي أو الأقل تعليما، حالة غير متزوجة، والعمر فوق 60 عاما. حققت الأداة نتائج AUCs بلغت 0.766 (فترة الثقة 95٪ 0.752-0.780) في مجموعة التدريب و0.664 (0.637-0.691) في مجموعة الاختبار، مع معايرة ممتازة (P = 0.28) وفائدة صافية إيجابية بين عتبات المخاطر 30٪ و50٪. يمكن لهذا النموذج التنبؤ بخطر الاكتئاب لدى البالغين في منتصف العمر وكبار السن الذين يعيشون في المنازل الصينية، ويمكن أن يكون أداة فحص مريحة للتعرف المبكر على الاكتئاب وإدارته في هذه الفئة.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح الاكتئاب، كاضطراب نفسي يتميز بانتشارعالي، وانخفاض معدلات قبول العلاج، ومعدلات تكرار مرتفعة، تهديدا كبيرا للصحة الجسدية والنفسية للأفراد في منتصف العمر وكبار السن2. يقدر أن 5٪ من البالغين يعانون من الاكتئاب عالميا، بينما بين كبار السن تبلغ هذه النسبة حوالي 30٪ 3.4. في الصين، كشفت دراسة حديثة أن حوالي 50.6 مليون شخص يعانون من اضطرابات الاكتئاب، وهو ما يمثل 17.8٪ من العبءالعالمي. أفاد تشو وآخرون أن معدل الاكتئاب يتراوح بين 27.0٪ إلى 37.3٪ بين كبار السن في الصين6. بالإضافة إلى ذلك، تحت تأثير الشيخوخة وعوامل أخرى، تميل الصحة النفسية لكبار السن إلى التدهور7. في الصين، كان نموذج السكن المنزلي هو النموذج الرئيسي للعيش والرعايةللبالغين في منتصف العمر وكبار السن. التحقيق في انتشار الاكتئاب وعوامل الخطر التي يواجهها بين البالغين في منتصف العمر وكبار السن ضمن هذا النموذج أمر أساسي ومهم في آن واحد.9.

على الرغم من أن الأبحاث السابقة حول الاكتئاب بين كبار السن ومتوسط العمر غطت العديد من الجوانب، مثل استخدام الإنترنت10، مدة وجودة النوم11، الألم الجسدي12، وغيرها، إلا أن معظمها دراسات مقطعية تركز بشكل رئيسي على العلاقة بين كبار السن في هذه المجموعة والاكتئاب واستكشاف العوامل المؤثرة13، 14، 15. تشير الأبحاث الحالية إلى أن ترتيبات المعيشة (الرعاية المنزلية مقابل الرعاية المؤسسية) تؤثر بشكل كبير على أعراض الاكتئاب في فئات منتصف العمر وكبار السن16,17. استخدم بعض الباحثين أيضا نماذج لتطوير أدوات التنبؤ لتقييم خطر الاكتئاب بين كبار السنفي سن 18,19. ومع ذلك، تعاني هذه الدراسات من قيدين رئيسيين: أولا، نماذج التنبؤ الحالية مطورة في الغالب للتنبؤ بخطر الاكتئاب لدى كبار السن بشكل عام، مع نقص في أدوات محددة للبالغين في منتصف العمر وكبار السن الذين يعيشون في المنزل؛ وثانيا، التطبيق السريري لهذه النتائج غير كاف.

لذلك، تهدف هذه الدراسة إلى بناء نموذج لتوقع مخاطر الاكتئاب ينطبق على البالغين في منتصف العمر وكبار السن المقيمين في المنزل في الصين باستخدام بيانات من تقرير CHARLS لعام 2020. حسب علمنا، يمثل هذا أول رسم نوموغرامي اقتصادي تم تطويره خصيصا لهذه الفئة، مما يميزه عن النماذج القائمة التي تستهدف بشكل أساسي كبار السن بشكل عام دون أخذ تأثير ترتيبات المعيشة في الاعتبار. من خلال تحليل هذا النموذج، سعينا لتحديد عوامل الخطر الرئيسية، مما وفر أساسا نظريا لتطوير تدخلات مستهدفة. كان تطوير النموذج مبنيا على إطار الضغط-العرض، الذي يفترض أن الاكتئاب ناتج عن التفاعل بين نقاط الضعف الديموغرافية والضغوط المزمنة المتأصلة في سياقات السكنالمنزلي. من المتوقع أن تساهم هذه الدراسة في تعزيز خدمات الصحة النفسية، وتطوير السياسات المستهدفة، وزيادة الاستقرار المجتمعي.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمت الموافقة على البحث من قبل لجنة الأخلاقيات الطبية الحيوية في جامعة بكين (IRB00001052-11015). تم تقديم موافقة مستنيرة.

سكان الدراسة
تم الحصول على بيانات هذه الدراسة من CHARLS 2020، الذي يغطي 150 وحدة على مستوى المقاطعة و450 وحدة على مستوى القرية في جميع أنحاء البلاد، وتشمل حوالي 10,000 أسرة و19,395 شخصا من الفئة المتوسطة وكبار السن الذين تبلغ أعمارهم 45 عاما وفوق21 عاما. استخدم المسح نهج أخذ عينات احتمالية متعددة المراحل. تم تضمين الأفراد إذا استوفوا المعايير التالية: العمر 45 سنة أو أكثر؛ منزل مختار استجابة لبند الاستبيان BA007: ما نوع السكن في عنوان السكن؟؛ وقدم إجابة واضحة على مقياس الاكتئاب المكون من 10 عناصر لمركز الدراسات الوبائية (CES-D-10). تم استبعاد الأفراد إذا استوفوا واحدا أو أكثر من المعايير التالية: إجابات تشير إلى الإقامة غير المنزلية (بما في ذلك المجتمعات والمستشفيات وغيرها أو مفقودة); نقص المعلومات عن الاكتئاب؛ نقص المعلومات حول المتغيرات ذات الصلة. في النهاية، تم تضمين 14,466 بالغا استوفوا المعايير الأولية في هذه الدراسة. يتم توضيح العملية التفصيلية لاختيار المشاركين في الشكل 1.

figure-protocol-1
الشكل 1: مخطط تدفق لاختيار السكان في الدراسة. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

تعريف المتغيرات
تم تقييم أعراض الاكتئاب باستخدام نسخة مبسطة من CES-D-10، والتي تتمتع بموثوقية عالية وصلاحية في دراسات سابقة22,23. يحتوي CES-D-10 على 10 عناصر بأربعة مقاييس: 0 = أبدا، 1 = أحيانا أو نادرا، 2 = متكرر، و3 = دائما، ويتم تسجيل العنصرين الخامس والثامنبعكس. يتم الحصول على الدرجة الإجمالية لمقياس الاكتئاب من خلال جمع تقييمات جميع العناصر العشرة، والتي تتراوح من 0 إلى 30؛ كلما ارتفعت الدرجة، زادت حدة أعراض الاكتئاب لدى الفرد. استنادا إلى دراسات سابقة على الفئات المتوسطة وكبار السن25,26، تم تصنيف المشاركين الذين حصلوا على درجات CES-D-10 ≥10 على أنهم يعانون من أعراض اكتئابية، بينما تم تصنيف الدرجات <10 على أنهم غير مكتئبين.

تشمل المعلومات التي تم جمعها من جميع المشاركين في الدراسة معلومات ديموغرافية (العمر، الجنس، الحالة الاجتماعية، الإقامة، ومستوى التعليم)، عادات المعيشة والحالة الصحية الجسدية (النشاط البدني، التدخين، الشرب، التفاعلات الاجتماعية، الصحة الذاتية المصنفة، حالة المرض المزمن، ووقت القيلولة)، ومعلومات تتعلق بظروف المعيشة والأطفال (الرضا عن ظروف المعيشة، الحالة الاجتماعية للنسل، والحالة الصحية للنسل). يتم تشخيص الأمراض المزمنة من قبل الأطباء وتشمل ارتفاع ضغط الدم، خلل شحمية الدم، الأورام الخبيثة، أمراض الرئة المزمنة، أمراض القلب، السكتة الدماغية، التهاب المفاصل، والروماتيزم.

التحليل الإحصائي
تحليل الانحدار اللوجستي الثنائي
تعرض المتغيرات التصنيفية كترددات ونسب مئوية. أجريت اختبارات كاي-سكوير لفحص الفروق في حدوث الاكتئاب عبر مختلف الخصائص الديموغرافية داخل مجموعة الدراسة. تم إجراء تحليل الانحدار اللوجستي الثنائي لتحديد العوامل المهمة المرتبطة بأعراض الاكتئاب. تم إجراء هذه التحليلات الإحصائية باستخدام برنامج SPSS (الإصدار 21.0).

تراجع LASSO
في إصدار R 4.3.2، تم تقسيم مجموعة البيانات عشوائيا إلى مجموعة تدريب ومجموعة اختبار بنسبة 7:3 باستخدام بذرة عشوائية ثابتة لضمان قابلية التكرار. على وجه التحديد، تم تخصيص 70٪ من البيانات لمجموعة التدريب لتطوير النماذج، و30٪ لمجموعة الاختبار للتحقق المستقل. أولا، تم تضمين المتغيرات ذات الدلالة الإحصائية (p < 0.05) في الانحدار اللوجستي الثنائي في تحليل الانحدار LASSO لمنع التوافق الزائد عن طريق تقليص المعاملات. تم تحديد القيمة المثلى لامبدا من خلال التحقق المتقاطع بعشرة أضعاف. تم اختيار lambda.1se بناء على قاعدة الخطأ القياسية الوحيدة لتحقيق أداء اختيار المتغير الأمثل. تم استخدام انكماش LASSO لمنع الإفراط في التركيب عن طريق تقليل معاملات المتغيرات الأقل أهمية نحو الصفر. لمزيد من التفاصيل، يرجى الرجوع إلى الملف التكميلي 1 (البند 1).

بناء النوموجرام
تم تصنيف الأهمية النسبية للمتنبعات المختارة بناء على الحجم المطلق لمعاملاتها المعيارية وتم تصورها باستخدام مخطط الغابة. تم بناء مخطط تنبؤي باستخدام حزمة rms، استنادا إلى معادلة الانحدار اللوجستي النهائية. لمزيد من التفاصيل، يرجى مراجعة الملف التكميلي 1 (البند 2).

التحقق من صحة النموذج
تم تقييم التمييز من خلال حساب المساحة تحت منحنى خصائص تشغيل المستقبل (AUC) باستخدام حزمة pROC. تم حساب AUC بشكل منفصل لمجموعة التدريب ومجموعة الاختبار. عادة، تشير AUC إلى أعلى من 0.75 إلى تمييز جيد. لمزيد من التفاصيل، يرجى مراجعة الملف التكميلي 1 (البند 3).

المعايرة: تم تقييم معايرة النموذج باستخدام اختبار جودة الملاءمة من هوسمر-ليمشو وتم تصويره باستخدام منحنيات المعايرة التي تولدها حزمة RMS، حيث تم رسم الاحتمالات المتوقعة مقابل الترددات المرصودة. يشير اختبار هوسمر-ليمشو غير المهم (p > 0.05) إلى معايرة جيدة. لمزيد من التفاصيل، يرجى مراجعة الملف التكميلي 1 (البند 4).

المنفعة السريرية: تم تقييم المنفعة السريرية باستخدام تحليل منحنى القرار (DCA) باستخدام حزمة rmda، حيث تم حساب الفائدة الصافية عبر احتمالات العتبة من 0٪ إلى 100٪. لمزيد من التفاصيل، يرجى الرجوع إلى الملف التكميلي 1 (البند 5).

التحقق من صحة الغابة العشوائية: كتأكيد إضافي، تم تنفيذ نموذج غابة عشوائي باستخدام حزمة randomForest لتقييم استقرار النموذج وقابليته للتعميم. تم رسم منحنى تقارب معدل الخطأ لتقييم العلاقة بين عدد الأشجار ودقة التنبؤ في كل من مجموعات التدريب والاختبار. تم اعتبار قيمة p ثنائية الجانب < 0.05 تشير إلى فرق ذو دلالة إحصائية. لمزيد من التفاصيل، يرجى مراجعة الملف التكميلي 1 (البند 6).

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

خصائص العينة
شملت الدراسة 14,466 مشاركا بالخصائص التالية: 46.8٪ تتراوح أعمارهم بين 60-74 عاما، 52.2٪ من الإناث، و75.2٪ كانوا يحملون وضع تسجيل الأسر الزراعية. من حيث المستوى التعليمي، كان 62.9٪ لديهم تعليم ابتدائي أو أقل. فيما يتعلق بالحالة النفسية، أظهر 37.1٪ من المشاركين أعراض اكتئاب، بينما لم يظهر الباقي 62.9٪ أعراض اكتئاب. تم تقديم معلومات مفصلة في الجدول 1.

الجدول 1: الفروقات في الخصائص الديموغرافية بين السكان ا...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أسفرت هذه الدراسة عن عدة نتائج رئيسية حول عوامل الخطر والتنبؤ بأعراض الاكتئاب بين البالغين في منتصف العمر وكبار السن المقيمين في المنازل في الصين. أولا، وجدت الدراسة أن 37.1٪ من البالغين في منتصف العمر وكبار السن الذين يعيشون في المنزل أظهروا أعراض اكتئاب في الصين، مما يشير إلى عبء كبير من أعراض الاكتئاب في هذه الفئة. كانت نتائج هذه الدراسة غير متسقة مع نتائج تحليل تلوي عالمي حول انتشار أعراض الاكتئاب لدى كبار السن، والذي أبلغ عن نسبة 35.15٪24. ومع ذلك، تشير النتا...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

لم يعلن أي منها.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد دعمت هذه الدراسة مشروع تخطيط العلوم الاجتماعية لمقاطعة جيانغشي (20SH17) ومشروع العلوم والتكنولوجيا التابع لإدارة التعليم في جيانغشي (GJJ191063 و GJJ171078). مع خالص الشكر، نشكر المدرسة الوطنية للتنمية في جامعة بكين ومعهد العلوم الاجتماعية على توفير البيانات ذات الصلة.   مساهمة المؤلف: التصور، X.X.Z. و J.X.X.; المنهجية، J.X.X. و S.G.Z؛ البرمجيات، X.X.Z.; التحقق، J.X.X. و S.G.Z.؛ التحليل الشكلي، س.ج.ز. و ر.ج.و.؛ تحقيقات، J.X.X. وW.C.، B.B.D. وL.B.L.؛ الموارد، J.X.X.، S.G.Z.، W.C.، B.B.D. و L.B.L.؛ تنظيم البيانات، J.X.X. وS.G.Z؛ الكتابة — إعداد المسودة الأصلية، J.X.X. و S.G.Z؛ الكتابة—المراجعة والتحرير، X.X.Z.، J.X.X.، S.G.Z.، R.J.W.، X.J.L، Y.T.X، R.L، وW.J.H.؛ الإشراف، X.X.Z. الاستحواذ على التمويل، X.X.Z. جميع المؤلفين قرأوا ووافقوا على النسخة المنشورة من المخطوطة.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
(بروك)(شابفيز)(رقع)(xgboost)(ggplot2)(RMS)(RMDA)(كارت)(غابة عشوائية)(glmnet)(dplyr)(تثبيت)(القارئ)كرانلا يوجدحزمة R لتحليل منحنى قرار نموذج التنبؤ بالمخاطر
مجموعة بيانات CHARLSفريق تشارلزلا يوجدمجموعة بيانات دراسة الصحة والتقاعد الطولية في الصين، المستخدمة في تطوير النموذج والتحقق من صحته.
R  مؤسسة R للحوسبة الإحصائية4.3.2  برنامج إحصائي يستخدم لتحليل البيانات ونمذجة.
إحصائيات SPSSآي بي إم21برنامج يستخدم للتحليل الإحصائي التكميلي.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Herrman, H., et al. Reducing the global burden of depression: a Lancet-World Psychiatric Association Commission. Lancet. 393 (10174), e42-e43 (2019).
  2. König, H., König, H. H., Konnopka, A. The excess costs of depression: a systematic review and meta-analysis. Epidemiol Psychiatr Sci. 29 (1), e30(2019).
  3. Cai, H., et al. Global prevalence of depression in older adults: a systematic review and meta-analysis of epidemiological surveys. Asian J Psychiatr. 80, 103417(2023).
  4. Hu, T., et al. Prevalence of depression in older adults: a systematic review and meta-analysis. Psychiatry Res. 311, 114511(2022).
  5. Hu, X., Jin, W., Wang, J., Dong, H. Age, period, cohort effects in trends of depressive symptoms among middle-aged and older Chinese adults. Front Public Health. 12, 1383512(2024).
  6. Zhu, L., et al. Depressive symptoms and all-cause mortality among middle-aged and older people in China and associations with chronic diseases. Front Public Health. 12, 1381273(2024).
  7. Cui, L., et al. Factors affecting the evolution of Chinese elderly depression: a cross-sectional study. BMC Geriatr. 22 (1), 109(2022).
  8. Liang, S., Zhou, M., Zhou, C., Zhu, J., Tosi, F. Existing Chinese Elderly Care Service Models and Their Development Based on Literature Review. J Packaging Engineering. 43 (22), 408-417 (2022).
  9. Wu, H., et al. An investigation into the health status of the elderly population in China and the obstacles to achieving healthy aging. Sci Rep. 14 (1), 31123(2024).
  10. Du, X., Liao, J., Ye, Q., Wu, H. Multidimensional Internet Use, Social Participation, and Depression Among Middle-Aged and Elderly Chinese Individuals: Nationwide Cross-Sectional Study. J Med Internet Res. 25 (12), e44514(2023).
  11. Dong, J., et al. Depressive symptoms among middle-aged and older adults in China: the interaction of physical activity and sleep duration. Sleep Health. 11 (2), 214-221 (2025).
  12. Bao, M., Ma, R. Longitudinal relationship between adverse childhood experiences and depressive symptoms: the mediating role of physical pain. BMC Psychiatry. 24 (1), 947(2024).
  13. Liu, G., Zhang, J. Association of a novel nutritional index with cognitive impairment in middle-aged and elderly Chinese adults: a cross-sectional analysis from the China Health and Retirement Longitudinal Study. Front Nutr. 12, 1486917(2025).
  14. Ai, Z., Tang, C., Wen, X., Kartheepan, K., Tang, S. Examining the impact of chronic diseases on activities of daily living of middle-aged and older adults aged 45 years and above in China: a nationally representative cohort study. Front Public Health. 11, 1303137(2023).
  15. Lu, J., Ruan, Y. Exploring the reciprocal relationship between depressive symptoms and cognitive function among Chinese older adults. Healthcare (Basel). 11 (21), 2880(2023).
  16. Chen, F., Short, S. E. Household Context and Subjective Well-Being Among the Oldest Old in China. J Fam Issues. 29 (10), 1379-1403 (2008).
  17. He, W., et al. Quality of life of empty-nest elderly in China: a systematic review and meta-analysis. Psychol Health Med. 25 (2), 131-147 (2020).
  18. Gao, S., Zhang, H. Development and validation of a depression risk prediction model for rural elderly living alone. BMC Psychiatry. 25 (1), 357(2025).
  19. Zheng, Y., Zhang, C., Liu, Y. Risk prediction models of depression in older adults with chronic diseases. J Affect Disord. 359, 182-188 (2024).
  20. De Beurs, E., et al. On becoming depressed or anxious in late life: similar vulnerability factors but different effects of stressful life events. Br J Psychiatry. 179 (5), 426-431 (2001).
  21. Bai, Q., et al. Configurational effects of intergenerational support on older adults' depression: an empirical study from CHARLS data. BMC Public Health. 25 (1), 392(2025).
  22. Wang, C., Huang, Z., Lu, Z., Wang, P. Social Interaction as a vital factor in alleviating depressive symptoms among middle-aged and elderly adults: evidence from the CHARLS. Aging Clin Exp Res. 37 (2), 115(2025).
  23. Lei, X., Sun, X., Strauss, J., Zhang, P., Zhao, Y. Depressive symptoms and ses among the mid-aged and elderly in china: Evidence from the china health and retirement longitudinal study national baseline. Soc Sci Med. 120, 224-232 (2014).
  24. Jiang, X., et al. Efficacy of nondrug interventions in perinatal depression: a meta-analysis. Psychiatry Res. 317, 114916(2022).
  25. Xu, Y., et al. Decomposing socioeconomic inequalities in depressive symptoms among the elderly in china. BMC Public Health. 16 (1), 1214(2016).
  26. Yang, Y., Hou, D. L. Association of depressive symptoms and dementia among middle-aged and elderly community-dwelling adults: results from the China Health and Retirement Longitudinal Study (CHARLS). Acta Psychol (Amst). 243, 104158(2024).
  27. Piovani, D., Sokou, R., Tsantes, A. G., Vitello, A. S., Bonovas, S. Optimizing Clinical Decision Making with Decision Curve Analysis: Insights for Clinical Investigators. Healthcare. 11 (16), 2244(2023).
  28. Ndapatani, L., et al. Cervical cancer screening and treatment of VIA positive lesions among women living with HIV in Nairobi and Kajiado counties, Kenya: results from a targeted intervention implemented under the USAID Fahari ya Jamii project in supported HIV clinics. BMC Women's Health. 25, 621(2025).
  29. Yan, R., et al. Association between internet exclusion and depressive symptoms among older adults: panel data analysis of five longitudinal cohort studies. EClinicalMedicine. 75, 102767(2024).
  30. Surya, J., Kashyap, H., Nadig, R. R., Raman, R. Developing a Risk Stratification Model Based on Machine Learning for Targeted Screening of Diabetic Retinopathy in the Indian Population. Cureus. 15 (9), e45853(2023).
  31. Baldini, V., et al. A comprehensive approach to adolescent suicide prevention: insights from a narrative review perspective. Front Psychol. 16, 1612067(2025).
  32. Li, H., Liu, X., Zheng, Q., Zeng, S., Luo, X. Gender differences and determinants of late-life depression in China: a cross-sectional study based on CHARLS. J Affect Disord. 309, 178-185 (2022).
  33. Parker, G., Brotchie, H. Gender differences in depression. Int Rev Psychiatry. 22 (5), 429-436 (2010).
  34. Acciai, F., Hardy, M. Depression in later life: a closer look at the gender gap. Soc Sci Res. 68, 163-175 (2017).
  35. Choi, S. E., Zhang, Z. Caring as curing: Grandparenting and depressive symptoms in China. Soc Sci Med. 289, 114452(2021).
  36. Nguyen, A. W., Walton, Q. L., Thomas, C., Mouzon, D. M., Taylor, H. O. Social support from friends and depression among African Americans: the moderating influence of education. J Affect Disord. 253, 1-7 (2019).
  37. Ling, Y., Song, Z., Yu, Y., Jiang, T. Dealing with an aging China-Delaying retirement or the second-child policy. PLoS One. 16 (12), e0242252(2021).
  38. Bedaso, T. S., Han, B. Work after retirement affects elderly mental health and behaviors in Addis Ababa. Health Psychol Open. 8 (2), 2055102921996189(2021).
  39. Chen, F., Liu, G. The health implications of grandparents caring for grandchildren in China. J Gerontol B Psychol Sci Soc Sci. 67 (1), 99-112 (2012).
  40. Thomeer, M. B. Multiple Chronic Conditions, Spouse's Depressive Symptoms, and Gender within Marriage. J Health Soc Behav. 57 (1), 59-76 (2016).
  41. Toshishige, Y., et al. Association between marital satisfaction of female patients with persistent depressive disorder, and their own and husbands' autism spectrum disorder or attention deficit/hyperactivity disorder traits. PCN Rep. 2 (2), e95(2023).
  42. Guo, J., et al. Depression among Chinese older adults: A perspective from Hukou and health inequities. J Affect Disord. 223, 115-120 (2017).
  43. Saravanakumar, P., Muhammad, T., Paul, R., Srivastava, S. Explaining the Urban-Rural Difference in Late-Life Depression in India: Evidence from a Multivariate Decomposition Analysis Based on Longitudinal Aging Study in India, Wave 2017-18. Clin Gerontol. 47 (2), 270-287 (2024).
  44. Gao, Q., et al. Exploring the interplay of living arrangements, social support, and depression among older adults in rural northwest China. BMC Public Health. 24 (1), 3297(2024).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Depression RiskRisk Prediction ModelMiddle Aged AdultsOlder AdultsCHARLS DataDepressive SymptomsNomogram ModelLogistic RegressionModel ValidationPublic Health Policy

Related Articles