Research Article

פיתוח ואימות מודל חיזוי סיכון לדיכאון עבור מבוגרים בגיל העמידה והמבוגרים המתגוררים בבית בסין בהתבסס על נתוני 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

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

מחקר זה פיתח ואימת מודל חיזוי סיכון לדיכאון עבור מבוגרים בגיל העמידה והמבוגרים המתגוררים בבית, תוך שימוש בנתוני CHARLS. מודל זה משלב חמישה גורמי חיזוי מרכזיים. הנומוגרמה הראתה אפליה מקובלת (0.766/0.664), שהיא מתאימה לשכבת סיכון ברמת האוכלוסייה ומהווה כלי סינון יעיל.

Abstract

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

יש מחסור במחקר על מודלים לחיזוי סיכון לתסמיני דיכאון בקרב מבוגרים בגיל העמידה ומבוגרים המתגוררים בבית, בסין. מחקר זה נועד לפתח מודל חיזוי סיכון ולזהות את גורמי הסיכון לדיכאון בקרב מבוגרים בגיל העמידה ומבוגרים המתגוררים בבית בסין, במטרה ליידע אסטרטגיות מניעה מבוססות ראיות ומדיניות בריאות הציבור. באמצעות גל ה-CHARLS 2020 המייצג הארצי האחרון (n = 14,466), פיתחנו את הנומוגרמה החסכונית הראשונה לחיזוי תסמיני דיכאון (CES-D-10 ≥ 10) בקרב סינים בגיל העמידה והמבוגרים החיים בבית. לאחר מסכי כי-ריבוע ולוגיסטיקה רב-משתנית, LASSO עם אימות צולב של 10 פעמים זיהה את חמשת המנבאים המשפיעים ביותר. הוערכו הבחנה במודלים (AUC), כיול (Hosmer-Lemeshow, תרשים כיול), ותועלת קלינית (ניתוח עקומת החלטה) בחלוקות אימון–מבחן (7:3). מתוך 14,466 מבוגרים בגיל העמידה והמבוגרים המתגוררים בבית, 5,488 (37.1%) סבלו מתסמיני דיכאון, ו-8,978 (62.9%) לא עמדו בקריטריונים לתסמיני דיכאון. הנומוגרמה הסופית כללה חמישה משתנים: מין נשי, הוקו כפרי, השכלה ראשונית או פחותה, מעמד לא נשוי, וגיל מעל 60. הכלי השיג AUCs של 0.766 (רווח בר-סמך 95% 0.752-0.780) בסט האימון ו-0.664 (0.637-0.691) במערך הבדיקה, עם כיול מצוין (P = 0.28) ותועלת נטו חיובית בין ספי סיכון של 30% ל-50%. מודל זה יכול לחזות את הסיכון לדיכאון בקרב מבוגרים סיניים, בגיל העמידה וקשישים, ויכול לשמש ככלי סינון נוח לזיהוי מוקדם ולניהול סיכון של דיכאון באוכלוסייה זו.

Introduction

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

דיכאון, כהפרעה נפשית המתאפיינת בשכיחות גבוהה1, שיעורי קבלה נמוכים לטיפול ושיעורי הישנות גבוהים, הפך לאיום משמעותי על הבריאות הפיזית והנפשיתשל אנשים בגיל העמידה וקשישים. בעולם, מעריכים כי 5% מהמבוגרים סובלים מדיכאון, בעוד שבקרב מבוגרים זה עומד על כ-30%3.4. בסין, מחקר עדכני חשף כי כ-50.6 מיליון אנשים סובלים מהפרעות דיכאון, המהווים 17.8% מהעומס העולמי. ג'ו ואח' דיווחו כי שכיחות הדיכאון נעה בין 27.0% ל-37.3% בקרב קשישים בסין6. בנוסף, תחת השפעה מקיפה של הזדקנות וגורמים נוספים, הבריאות הנפשית של מבוגרים נוטה להידרדר7. בסין, מודל המגורים הביתי היה הדגם העיקרי של מחיה וטיפול למבוגרים בגיל העמידהולמבוגרים. חקירת שכיחות הדיכאון וגורמי הסיכון שלו בקרב מבוגרים בגיל העמידה ומבוגרים במסגרת מודל זה היא חיוניתומשמעותית.

למרות שמחקרים קודמים על דיכאון בקרב אנשים בגיל העמידה וקשישים כיסו היבטים רבים, כגון שימוש באינטרנט10, משך ואיכות שינה11, כאב פיזי12 ועוד, רובם מחקרים חתכתיים, המתמקדים בעיקר בקשר בין מבוגרים בקבוצה זו לדיכאון וחוקרים את הגורמים המשפיעים עליו 13,14,15. מחקרים קיימים מצביעים על כך שסידורי מגורים (בבית לעומת טיפול מוסדי) משפיעים באופן משמעותי על תסמיני דיכאון באוכלוסיות בגיל העמידה ובקשישים16,17. חלק מהחוקרים השתמשו גם במודלים לפיתוח כלי חיזוי להערכת הסיכון לדיכאון בקרב קשישים בגילאי18,19. מחקרים אלה, עם זאת, סובלים משתי מגבלות עיקריות: ראשית, מודלי החיזוי הקיימים מפותחים בעיקר לחיזוי סיכון לדיכאון באוכלוסייה הקשישה הכללית, ללא כלים ספציפיים למבוגרים בגיל העמידה והמבוגרים המתגוררים בבית; ושנית, היישום הקליני של תוצאות אלו אינו מספיק.

לכן, מחקר זה שואף לבנות מודל חיזוי סיכון לדיכאון, המיושם למבוגרים בגיל העמידה ומבוגרים המתגוררים בבית בסין באמצעות נתונים מ-CHARLS לשנת 2020. למיטב ידיעתנו, זהו הנומוגרמה הקסכונית הראשונה שפותחה במיוחד עבור אוכלוסייה זו, ומבדילה אותה ממודלים קיימים שמכוונים בעיקר לאוכלוסייה הקשישה הכללית מבלי להתחשב בהשפעת סידורי המגורים. באמצעות ניתוח מודל זה, ניסינו לזהות גורמי סיכון מרכזיים, ובכך לספק בסיס תיאורטי לפיתוח התערבויות ממוקדות. פיתוח המודל התבסס על מסגרת הלחץ-פגיעות, שמניחה כי דיכאון נובע מהאינטראקציה בין פגיעויות דמוגרפיות ללחצים כרוניים הטבועים בהקשרים של מגורים בבית. מחקר זה צפוי לתרום לשיפור שירותי בריאות הנפש, לפיתוח מדיניות ממוקדת ולהגברת היציבות החברתית.

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

Protocol

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

המחקר אושר על ידי ועדת האתיקה הביו-רפואית של אוניברסיטת פקין (IRB00001052-11015). כל הנבדקים קיבלו הסכמה מדעת.

אוכלוסיית המחקר
הנתונים למחקר זה התקבלו מ-CHARLS 2020, הכולל 150 יחידות ברמת מחוז ו-450 יחידות ברמת כפר ברחבי המדינה, הכולל כ-10,000 משקי בית ו-19,395 אנשים בגיל הביניים וקשישים בגיל 45ומעלה. הסקר השתמש בגישת דגימה הסתברותית רב-שלבית. הפרטים נכללו אם עמדו בקריטריונים הבאים: גיל 45 ומעלה; בית נבחר בתגובה לפריט השאלון BA007: מהו סוג המגורים בכתובת המגורים?; וסיפק תשובה ברורה לסולם הדיכאון של מרכז ללימודים אפידמיולוגיים (CES-D-10) בן 10 פריטים. אנשים הוצאו מכלל אם עמדו באחד או יותר מהקריטריונים הבאים: תגובות המצביעות על מגורים מחוץ לבית (כולל קהילות, בתי חולים ואחרים או נעדרים); חוסר מידע על דיכאון; חוסר מידע על משתנים רלוונטיים. בסופו של דבר, 14,466 מבוגרים שעמדו בקריטריונים הראשוניים נכללו במחקר זה. תהליך בחירת המשתתפים המפורט מוצג באיור 1.

figure-protocol-1
איור 1: תרשים זרימה לבחירת אוכלוסיית המחקר. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

הגדרת המשתנים
תסמיני דיכאון הוערכו באמצעות גרסה מפושטת של CES-D-10, שיש לה אמינות ותוקף גבוהים במחקרים קודמים22,23. ל-CES-D-10 יש 10 פריטים עם ארבעה סולמות: 0 = אף פעם, 1 = לפעמים או לעיתים רחוקות, 2 = לעיתים קרובות, ו-3 = תמיד, והפריטים החמישי והשמיני מדורגים הפוך24. הציון הכולל בסולם הדיכאון מתקבל על ידי סכימת דירוגי כל 10 הפריטים, הנעים בין 0 ל-30; ככל שהציון גבוה יותר, כך תסמיני הדיכאון של האדם חמורים יותר. בהתבסס על מחקרים קודמים באוכלוסיות בגיל הביניים וקשישים25,26, משתתפים עם ציוני CES-D-10 ≥10 סווגו כבעלי תסמינים דיכאוניים, בעוד שציונים <10 סווגו כלא מדוכאים.

המידע שנאסף מכל משתתפי המחקר כולל מידע דמוגרפי (גיל, מין, מצב משפחתי, מגורים ורמת השכלה), הרגלי חיים ומצב בריאותי פיזי (פעילות גופנית, עישון, שתייה, אינטראקציות חברתיות, בריאות מדורגת עצמית, מצב מחלות כרוניות וזמן תנומה), ומידע הקשור לתנאי מגורים וילדים (שביעות רצון מתנאי המחיה, מצב משפחתי של הצאצאים, ומצב הבריאות של הצאצא). מחלות כרוניות מאובחנות על ידי רופאים וכוללות לחץ דם גבוה, דיסליפידמיה, גידולים ממאירים, מחלות ריאה כרוניות, מחלות לב, שבץ, דלקת מפרקים ושיגרון.

ניתוח סטטיסטי
ניתוח רגרסיה לוגיסטית בינארית
משתנים קטגוריים מוצגים כתדירויות ואחוזים. נערכו מבחני חי-ריבוע כדי לבחון הבדלים בשכיחות דיכאון בין מאפיינים דמוגרפיים שונים באוכלוסיית המחקר. בוצע ניתוח רגרסיה לוגיסטית בינארית לזיהוי גורמים משמעותיים הקשורים לתסמיני דיכאון. ניתוחים סטטיסטיים אלו בוצעו באמצעות תוכנת SPSS (גרסה 21.0).

רגרסיית LASSO
בגרסה 4.3.2 של R, מערך הנתונים חולק באקראי לקבוצת אימון וקבוצת בדיקה ביחס 7:3 באמצעות זרע אקראי קבוע להבטחת שחזוריות. באופן ספציפי, 70% מהנתונים הוקצו לסט האימון לפיתוח המודלים, ו-30% לסט הבדיקה לאימות עצמאי. ראשית, משתנים שהיו מובהקים סטטיסטית (p < 0.05) ברגרסיה לוגיסטית בינארית נכללו בניתוח רגרסיית LASSO כדי למנוע התאמה יתר על ידי הקטנת המקדמים. ערך הלמדה האופטימלי נקבע באמצעות אימות צולב של 10 פעמים. ה-lambda.1se נבחר על בסיס כלל השגיאה הסטנדרטי כדי להשיג את ביצועי בחירת המשתנה האופטימליים. כיווץ LASSO שימש למניעת התאמת יתר על ידי הפחתת מקדמי משתנים פחות חשובים לאפס. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 1).

בניית נומוגרמה
החשיבות היחסית של המנבאים שנבחרו דורגה לפי הגודל המוחלט של המקדמים הסטנדרטיים שלהם והוצגה באמצעות תרשים יער. נבנתה נומוגרמה חיזוי באמצעות חבילת rms, בהתבסס על משוואת הרגרסיה הלוגיסטית הסופית. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 2).

אימות מודל
ההבחנה הוערכה על ידי חישוב השטח מתחת לעקומת מאפיין ההפעלה של המקלט (AUC) באמצעות חבילת pROC. ה-AUC חושב בנפרד עבור סט האימון וסט הניסוי. בדרך כלל, AUC גבוה מ-0.75 מציין אפליה טובה. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 3).

כיול: כיול המודל הוערך באמצעות מבחן ההתאמה הטובה של Hosmer-Lemeshow והוצג באמצעות עקומות כיול שנוצרו על ידי חבילת ה-rms, תוך שרטט הסתברויות חזויות מול תדרים נצפים. מבחן Hosmer-Lemeshow לא משמעותי (p > 0.05) מצביע על כיול טוב. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 4).

תועלת קלינית: התועלת הקלינית הוערכה באמצעות ניתוח עקומת החלטה (DCA) עם חבילת ה-rmda, תוך חישוב התועלת נטו בין הסתברויות סף מ-0% עד 100%. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 5).

אימות יער אקראי: כאימות משלימה, יושם מודל יער אקראי באמצעות חבילת randomForest להערכת יציבות והכללה של המודל. עקומת ההתכנסות של שיעור השגיאה הוצגה כדי להעריך את הקשר בין מספר העצים לדיוק החיזוי הן בקבוצות אימון והן במערכות מבחן. ערך p דו-צדדי < 0.05 נחשב כמצביע על הבדל מובהק סטטיסטית. לפרטים נוספים, אנא עיינו בתיק המשלים 1 (סעיף 6).

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

Results

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

מאפייני המדגם
המחקר כלל 14,466 משתתפים עם המאפיינים הבאים: 46.8% היו בגילאי 60-74, 52.2% נשים, ו-75.2% החזיקו במעמד רישום משקי בית חקלאי. מבחינת רמת השכלה, ל-62.9% היו השכלה בבית ספר יסודי או פחות. לגבי מצב בריאות הנפש, 37.1% מהמשתתפים הראו תסמינים דיכאוניים, בעוד ש-62.9% הנותרים לא הראו תסמינים דיכאוניים. מידע מפורט הוצג בטבלה 1.

טבלה 1: הבדלים במאפיינים דמוגרפיים בין אוכלוסיות מדוכאות לאוכלוסיות שאינן מדוכאות

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

Discussion

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

מחקר זה הניב מספר ממצאים מרכזיים בנוגע לגורמי סיכון ולחיזוי תסמיני דיכאון בקרב מבוגרים בגיל העמידה והמבוגרים המתגוררים בבית, בסין. ראשית, המחקר מצא ש-37.1% מהמבוגרים בגיל העמידה והמבוגרים המתגוררים בבית הראו תסמינים דיכאוניים בסין, מה שמעיד על עומס גבוה של תסמינים דיכאוניים באוכלוסייה זו. תוצאות המחקר הזה לא תאמו את ממצאי המטא-אנליזה העולמית על שכיחות תסמיני דיכאון בקרב מבוגרים, שדיווחה על נתון של 35.15%24. עם זאת, הממצאים מצביעים על שיעורי שכיחות גבוהים משמעותית ...

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

Disclosures

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

אף אחד מהם לא הכריז.

Acknowledgements

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

מחקר זה נתמך על ידי פרויקט תכנון מדעי החברה של מחוז ג'יאנגשי (20SH17) ופרויקט המדע והטכנולוגיה של מחלקת החינוך של ג'יאנגשי (GJJ191063 ו-GJJ171078). תודה רבה לבית הספר הלאומי לפיתוח באוניברסיטת פקין ולסקר המכון למדעי החברה על מתן הנתונים הנלווים.   תרומת מחברים: קונספטואליזציה, X.X.Z. ו-J.X.X.; מתודולוגיה, J.X.X. ו-S.G.Z; תוכנה, X.X.Z.; Validation, J.X.X. ו-S.G.Z.; אנליזה פורמלית, S.G.Z. ו-R.J.W.; חקירה, J.X.X. ו-W.C., B.B.D. ו-L.B.L.; משאבים, J.X.X., S.G.Z., W.C., B.B.D. ו-L.B.L.; אוצרות נתונים, J.X.X. ו-S.G.Z; כתיבה—הכנת טיוטה מקורית, J.X.X. ו-S.G.Z; כתיבה—סקירה ועריכה, X.X.Z., J.X.X., S.G.Z., R.J.W., X.J.L, Y.T.X, R.L, ו-W.J.H.; פיקוח, X.X.Z. רכישת מימון, X.X.Z. כל המחברים קראו והסכימו לגרסה שפורסמה של כתב היד.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
(פרוק)(שפביז)(טלאים טלאים)(xgboost)(ggplot2)(RMS)(RMDA)(קארט)(יער אקראי)(GLMNET)(DPLYR)(גרגל)(קורא)קראןלא זמיןחבילת R לניתוח עקומת החלטות במודל חיזוי סיכונים
מאגר הנתונים של CHARLSקבוצת CHARLSלא זמיןמאגר נתונים למחקר אורך של הבריאות והפרישה בסין, המשמש לפיתוח ואימות מודלים
R  קרן R למחשוב סטטיסטי4.3.2  תוכנה סטטיסטית המשמשת לניתוח ומידול נתונים.
סטטיסטיקות SPSSIBM21תוכנה המשמשת לניתוח סטטיסטי משלים.

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