Article de recherche

Développement et validation d’un modèle de prédiction du risque de dépression pour les adultes d’âge moyen et âgés vivant à domicile en Chine, basé sur les données CHARLS

DOI :

10.3791/69993

⸱

13 mars 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

Dans cet article

Résumé

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

Cette étude a développé et validé un modèle de prédiction du risque de dépression pour les adultes d’âge moyen et âgés vivant à domicile, en utilisant les données CHARLS. Ce modèle intègre cinq facteurs prédictifs clés. Le nomogramme a démontré une discrimination acceptable (0,766/0,664), ce qui convient à la stratification du risque au niveau de la population et constitue un outil de dépistage efficace.

Résumé

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

Il y a un manque de recherches sur les modèles de prédiction des risques pour les symptômes dépressifs chez les adultes d’âge moyen et âgés vivant à domicile en Chine. Cette étude visait à développer un modèle de prédiction des risques et à identifier les facteurs de risque de dépression chez les adultes d’âge moyen et âgés vivant à domicile en Chine, dans le but d’éclairer des stratégies de prévention fondées sur des preuves et des politiques de santé publique. En utilisant la dernière vague représentative nationale CHARLS 2020 (n = 14 466), nous avons développé le premier nomogramme parcimonieux pour prédire les symptômes dépressifs (CES-D-10 ≥ 10) chez les Chinois d’âges moyens et âgés vivant à domicile. Après des criblages logistiques au chi-carré et multivariables, le LASSO, avec une validation croisée à 10 reprises, a identifié les cinq prédicteurs les plus influents. La discrimination des modèles (AUC), l’étalonnage (Hosmer-Lemeshow, graphique d’étalonnage) et l’utilité clinique (analyse de la courbe de décision) ont été évaluées lors de répartitions entraînement–test (7:3). Parmi les 14 466 adultes d’âge moyen et âgés vivant à domicile, 5 488 (37,1 %) présentaient des symptômes dépressifs, et 8 978 (62,9 %) ne remplissaient pas les critères de symptômes dépressifs. Le nomogramme final comprenait cinq variables : sexe féminin, hukou rural, niveau d’éducation primaire ou inférieur, statut de non-marié et âge au-delà de 60 ans. L’outil a obtenu des AUC de 0,766 (IC 95 % 0,752-0,780) dans l’ensemble d’entraînement et de 0,664 (0,637-0,691) dans l’ensemble testé, avec une excellente calibration (P = 0,28) et un bénéfice net positif entre 30 % et 50 % de seuils de risque. Ce modèle peut prédire le risque de dépression chez les adultes chinois vivant à domicile, d’âge moyen et âgés, et peut servir d’outil de dépistage pratique pour l’identification précoce et la gestion du risque de dépression dans cette population.

Introduction

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

La dépression, en tant que trouble mental caractérisé par une forteprévalence 1, de faibles taux d’acceptation des traitements et des taux élevés de récidive, est devenue une menace majeure pour la santé physique et mentale des personnes d’âge moyen etâgées 2. À l’échelle mondiale, on estime que 5 % des adultes souffrent de dépression, tandis que chez les personnes âgées ce chiffre est d’environ 30 %, 3,4. En Chine, une étude récente a révélé qu’environ 50,6 millions de personnes sont touchées par des troubles dépressifs, ce qui représente 17,8 % du fardeau mondial5. Zhu et al. ont rapporté que l’incidence de la dépression varie de 27,0 % à 37,3 % chez les personnes âgéesen Chine 6. De plus, sous l’influence globale du vieillissement et d’autres facteurs, la santé mentale des personnes âgées tend à sedétériorer 7. En Chine, le modèle de logement à domicile était le principal type de vie et de soins pour les adultes d’âge moyen etâgés. Étudier la prévalence de la dépression et ses facteurs de risque chez les adultes d’âge moyen et âgés dans ce modèle est à la fois essentiel etsignificatif 9.

Bien que les recherches antérieures sur la dépression chez les personnes d’âge moyen et âgées aient couvert de nombreux aspects, tels que l’utilisation d’Internet10, la durée et la qualité du sommeil11, la douleurphysique 12, etc., la plupart de ces études sont transversales, se concentrant principalement sur l’association entre les personnes âgées de ce groupe et la dépression, et explorant ses facteursd’influence 13,14,15 . Des recherches existantes suggèrent que les arrangements de vie (à domicile vs. soins institutionnels) influencent significativement les symptômes dépressifs chez les populations d’âge moyen et de personnes âgées16,17. Certains chercheurs ont également utilisé des modèles pour développer des outils de prédiction afin d’évaluer le risque de dépression chez les personnesâgées de 18 et 19 ans. Cependant, ces études présentent deux limites majeures : premièrement, les modèles de prédiction existants sont principalement développés pour prédire le risque de dépression chez la population âgée générale, manquant d’outils spécifiques pour les adultes d’âge moyen et âgés vivant à domicile ; et deuxièmement, l’application clinique de ces résultats est insuffisante.

Par conséquent, cette étude vise à construire un modèle de prédiction du risque de dépression applicable aux adultes d’âge moyen et âgés vivant à domicile en Chine, à partir des données du CHARLS 2020. À notre connaissance, il s’agit du premier nomogramme parcimonieux développé spécifiquement pour cette population, le distinguant des modèles existants qui ciblent principalement la population âgée sans tenir compte de l’influence des conditions de vie. En analysant ce modèle, nous avons cherché à identifier les principaux facteurs de risque, fournissant ainsi une base théorique pour le développement d’interventions ciblées. Le développement du modèle s’est fondé sur le cadre de la vulnérabilité au stress, qui postule que la dépression résulte de l’interaction entre vulnérabilités démographiques et facteurs de stress chroniques inhérents aux contextes de vie à domicile20. Cette étude devrait contribuer à l’amélioration des services de santé mentale, à l’élaboration de politiques ciblées et à l’amélioration de la stabilité sociétale.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

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

La recherche a été approuvée par le Comité d’éthique biomédicale de l’Université de Pékin (IRB00001052-11015). Tous les sujets ont donné leur consentement éclairé.

Population étudiée
Les données de cette étude proviennent de CHARLS 2020, qui couvre 150 unités au niveau du comté et 450 unités au niveau du village à travers le pays, couvrant environ 10 000 ménages et 19 395 personnes d’âge moyen et âgées âgées de 45 ans etplus. L’enquête a utilisé une approche d’échantillonnage probabiliste en plusieurs étapes. Les individus étaient inclus s’ils remplissaient les critères suivants : âge de 45 ans ou plus ; a sélectionné la résidence à domicile en réponse à l’item du questionnaire BA007 : Quel est le type de résidence à l’adresse de logement ? ; et a fourni une réponse claire à l’échelle de 10 items du Center for Epidemiological Studies Depression Scale (CES-D-10). Les individus étaient exclus s’ils remplissaient un ou plusieurs des critères suivants : réponses indiquant une résidence hors domicile (y compris les communautés, hôpitaux et autres personnes ou disparues) ; le manque d’informations sur la dépression ; Manque d’informations sur les covariables pertinentes. Au final, 14 466 adultes remplissant les critères initiaux ont été inclus dans cette étude. Le processus détaillé de sélection des participants est illustré à la Figure 1.

figure-protocol-1
Figure 1 : Un organigramme pour la sélection des populations étudiées. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Définition des variables
Les symptômes dépressifs ont été évalués à l’aide d’une version simplifiée du CES-D-10, qui présente une grande fiabilité et validité dans des étudesantérieures 22,23. Le CES-D-10 comporte 10 items avec quatre échelles : 0 = jamais, 1 = parfois ou rarement, 2 = souvent, et 3 = toujours, et les cinquième et huitième items sont notés en24 inversés. Le score total de l’échelle de dépression est obtenu en additionnant les notes des 10 items, allant de 0 à 30 ; Plus le score est élevé, plus les symptômes dépressifs de la personne sont graves. Sur la base d’études antérieures portant sur des populations d’âge moyen et âgées, 25,26 participants, les participants ayant des scores CES-D-10 ≥10 ont été classés comme présentant des symptômes dépressifs, tandis que les scores <10 étaient classés comme non dépressifs.

Les informations recueillies auprès de tous les participants à l’étude incluent des données démographiques (âge, sexe, état civil, résidence et niveau d’éducation), les habitudes de vie et l’état de santé physique (activité physique, tabagisme, consommation d’alcool, interactions sociales, état de santé autoévalué, état des maladies chroniques et temps de sieste), ainsi que des informations relatives aux conditions de vie et aux enfants (satisfaction des conditions de vie, état civil de la descendance, et l’état de santé de la progéniture). Les maladies chroniques sont diagnostiquées par les médecins et incluent l’hypertension, la dyslipidémie, les tumeurs malignes, les maladies pulmonaires chroniques, les maladies cardiaques, les AVC, l’arthrite et le rhumatisme.

Analyse statistique
Analyse de régression logistique binaire
Les variables catégorielles sont présentées sous forme de fréquences et de pourcentages. Des tests du chi-carré ont été réalisés pour examiner les différences d’incidence de la dépression selon diverses caractéristiques démographiques au sein de la population étudiée. Une analyse de régression logistique binaire a été réalisée pour identifier les facteurs significatifs associés aux symptômes dépressifs. Ces analyses statistiques ont été réalisées à l’aide du logiciel SPSS (version 21.0).

Régression LASSO
Dans la version 4.3.2 de R, l’ensemble de données était partitionné aléatoirement en un ensemble d’entraînement et un ensemble de test à un ratio 7:3 en utilisant une graine aléatoire fixe pour garantir la reproductibilité. Plus précisément, 70 % des données ont été allouées à l’ensemble d’entraînement pour le développement du modèle, et 30 % à l’ensemble de test pour une validation indépendante. Premièrement, les variables statistiquement significatives (p < 0,05) dans la régression logistique binaire ont été incluses dans l’analyse de régression LASSO afin d’éviter un surajustement en réduisant les coefficients. La valeur lambda optimale a été déterminée par validation croisée à 10 ans. Le lambda.1se a été sélectionné sur la base d’une règle d’erreur standard pour obtenir la performance optimale de sélection des variables. Le retrait LASSO a été utilisé pour éviter le surajustement en réduisant les coefficients des variables moins importantes vers zéro. Pour plus de détails, veuillez consulter le Fichier Supplémentaire 1 (élément 1).

Construction du nomogramme
L’importance relative des prédicteurs sélectionnés a été classée selon la magnitude absolue de leurs coefficients standardisés et visualisée à l’aide d’un graphique forestier. Un nomogramme prédictif a été construit à l’aide du package rms, basé sur l’équation finale de régression logistique. Pour plus de détails, veuillez consulter le Dossier Supplémentaire 1 (point 2).

Validation du modèle
La discrimination a été évaluée en calculant la surface sous la courbe caractéristique de fonctionnement du récepteur (AUC) à l’aide du package pROC. L’AUC était calculé séparément pour l’ensemble d’entraînement et l’ensemble de test. En général, un AUC supérieur à 0,75 indique une bonne discrimination. Pour plus de détails, veuillez consulter le Fichier Supplémentaire 1 (point 3).

Étalonnage : L’étalonnage du modèle a été évalué à l’aide du test de bonheur d’ajustement de Hosmer-Lemeshow et visualisé avec des courbes d’étalonnage générées par le package rms, traçant les probabilités prédites à partir des fréquences observées. Un test de Hosmer-Lemeshow non significatif (p > 0,05) indique une bonne calibration. Pour plus de détails, veuillez consulter le Dossier Supplémentaire 1 (point 4).

Utilité clinique : L’utilité clinique a été évaluée à l’aide de l’analyse de la courbe de décision (DCA) avec le package RMDA, calculant le bénéfice net sur des probabilités seuils de 0 % à 100 %. Pour plus de détails, veuillez consulter le Dossier Supplémentaire 1 (point 5).

Validation de la forêt aléatoire : En validation complémentaire, un modèle de forêt aléatoire a été mis en œuvre à l’aide du package randomForest pour évaluer la stabilité et la généralisabilité du modèle. La courbe de convergence du taux d’erreur a été tracée pour évaluer la relation entre le nombre d’arbres et la précision de la prédiction dans les ensembles d’entraînement et de test. Une valeur p bilatérale < 0,05 a été considérée comme indiquant une différence statistiquement significative. Pour plus de détails, veuillez consulter le Dossier Supplémentaire 1 (élément 6).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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

Caractéristiques de l’échantillon
L’étude a regroupé 14 466 participants présentant les caractéristiques suivantes : 46,8 % avaient entre 60 et 74 ans, 52,2 % étaient des femmes et 75,2 % détenaient le statut d’enregistrement des ménages agricoles. En termes de niveau d’éducation, 62,9 % avaient un niveau d’éducation primaire ou inférieur. Concernant l’état de santé mentale, 37,1 % des participants présentaient des symptômes dépressifs, tandis que les 62,9 % restants ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

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

Cette étude a apporté plusieurs résultats clés concernant les facteurs de risque et la prédiction des symptômes dépressifs chez les adultes d’âge moyen et âgés vivant à domicile en Chine. Premièrement, l’étude a révélé que 37,1 % des adultes d’âge moyen et âgés vivant à domicile présentaient des symptômes dépressifs en Chine, indiquant un fardeau élevé de symptômes dépressifs dans cette population. Les résultats de cette étude étaient incompatibles avec ceux d’une méta-analyse mondiale s...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Aucun n’a été déclaré.

Remerciements

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

Cette étude a été soutenue par le Projet de planification des sciences sociales de la province du Jiangxi (20SH17) et le Projet Science et Technologie du Département de l’Éducation du Jiangxi (GJJ191063 et GJJ171078). Un sincère merci à l’École nationale de développement de l’Université de Pékin et à l’Institut des sciences sociales pour la fourniture des données associées.   Contribution de l’auteur : Conceptualisation, X.X.Z. et J.X.X. ; méthodologie, J.X.X. et S.G.Z. ; logiciel, X.X.Z. ; validation, J.X.X. et S.G.Z. ; analyse formelle, S.G.Z. et R.J.W. ; enquête, J.X.X. et W.C., B.B.D. et L.B.L. ; ressources, J.X.X., S.G.Z., W.C., B.B.D. et L.B.L. ; curation de données, J.X.X. et S.G.Z. ; écriture — préparation du brouillon original, J.X.X. et S.G.Z. ; rédaction — critique et édition, X.X.Z., J.X.X.X., S.G.Z., R.J.W., X.J.L, Y.T.X, R.L et W.J.H. ; supervision, X.X.Z. Acquisition de fonds, X.X.Z. Tous les auteurs ont lu et accepté la version publiée du manuscrit.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
(pROC)(Shapviz)(patchwork)(xgboost)(ggplot2)(rms)(RMDA)(caret)(aléatoireForêt)(GLMNET)(dplyr)(ggrepel)(lecture)CRANN/APackage R pour l’analyse de la courbe de décision des modèles de prévision des risques
Jeu de données CHARLSÉquipe CHARLSN/AÉtude longitudinale chinoise de la santé et de la retraite, utilisée pour le développement et la validation de modèles
R  ; Fondation R pour l’informatique statistique4.3.2  ; Logiciels statistiques utilisés pour l’analyse et la modélisation des données.
Statistiques SPSSIBM21Logiciels utilisés pour l’analyse statistique complémentaire.

Références

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

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

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

Articles connexes