Research Article

Разработка и валидация модели прогнозирования риска депрессии для домовладельцев среднего и пожилого возраста в Китае на основе данных 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

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

В данном исследовании была разработана и подтверждена модель прогнозирования риска депрессии для проживающих дома людей среднего и пожилого возраста с использованием данных CHARLS. Эта модель включает пять ключевых предиктивных факторов. Номограмма показала приемлемую дискриминацию (0,766/0,664), что подходит для стратификации рисков на уровне популяции и является эффективным инструментом скрининга.

Abstract

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

В Китае отсутствуют исследования моделей прогнозирования рисков депрессивных симптомов среди домовладельцев среднего и пожилого возраста. Целью данного исследования было разработать модель прогнозирования рисков и выявить факторы риска депрессии среди проживающих дома взрослых среднего и пожилого возраста в Китае, с целью информирования основанных на доказательствах стратегий профилактики и политики общественного здравоохранения. Используя последнюю национальную репрезентативную волну CHARLS 2020 (n = 14 466), мы разработали первую экономную номограмму для прогнозирования депрессивных симптомов (CES-D-10 ≥ 10) у китайцев, живущих дома среднего и старшего возраста. После хи-квадратных и многопеременных логистических скринингов LASSO с 10-кратной перекрёстной валидацией выявил пять самых влиятельных предикторов. В разделении между обучением и тестом оценивались различение модели (AUC), калибровка (Хосмер-Лемешоу, калибровочный график) и клиническая полезность (анализ кривой решения). Из 14 466 проживающих дома взрослых среднего и пожилого возраста 5 488 (37,1%) имели симптомы депрессии, а 8 978 (62,9%) не соответствовали критериям симптомов депрессии. Итоговая номограмма включала пять переменных: женский пол, сельский хукоу, начальное или низкое образование, неженатый статус и возраст старше 60 лет. Инструмент достиг AUC 0,766 (95% CI 0,752-0,780) в обучающем наборе и 0,664 (0,637-0,691) в тестовом наборе, с отличной калибровкой (P = 0,28) и положительной чистой выгодой от 30% до 50% порогов риска. Эта модель может предсказывать риск депрессии у китайских взрослых среднего и пожилого возраста, проживающих дома, и служит удобным инструментом скрининга для раннего выявления и управления рисками депрессии в этой группе.

Introduction

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

Депрессия, как психическое расстройство, характеризующееся высокойраспространённостью 1, низким уровнем принятия лечения и высоким уровнем рецидивов, стала серьёзной угрозой для физического и психического здоровья людей среднего и пожилоговозраста 2. В мире оценивается, что 5% взрослых страдают от депрессии, тогда как среди пожилых людей этот показатель составляет примерно 30%3,4. В Китае недавнее исследование показало, что примерно 50,6 миллиона человек страдают от депрессивных расстройств, что составляет 17,8% глобальногобремени 5. Чжу и др. сообщили, что частота депрессии среди пожилых людей в Китае варьируется от 27,0% до37,3%. Кроме того, под всесторонним воздействием старения и других факторов психическое здоровье пожилых людей склонноухудшаться 7. В Китае модель домашнего проживания была основным типом жизни и ухода для взрослых среднего ипожилого возраста 8. Изучение распространённости депрессии и её факторов риска среди людей среднего и пожилого возраста в рамках этой модели является как существенным, так изначимым 9.

Хотя предыдущие исследования депрессии среди людей среднего и пожилого возраста охватывали множество аспектов, таких как использованиеинтернета 10, продолжительность и качествосна 11, физическаяболь 12 и т.д., большинство из них являются поперечными исследованиями, в основном сосредоточенными на связи между пожилыми людьми этой группы и депрессией, а также изучением её факторов, влияющих 13,14,15. Существующие исследования показывают, что условия проживания (домашний и институциональный уход) значительно влияют на симптомы депрессии у людей среднего и пожилоговозраста 16,17. Некоторые исследователи также использовали модели для разработки инструментов прогнозирования риска депрессии среди пожилыхлюдей 18,19. Однако эти исследования страдают от двух основных ограничений: во-первых, существующие модели прогнозирования в основном разработаны для прогнозирования риска депрессии среди пожилых людей, не имея специфических инструментов для проживающих дома среднего и пожилого возраста; во-вторых, клиническое применение этих результатов недостаточно.

Поэтому данное исследование направлено на создание модели прогнозирования риска депрессии, применимую для проживающих дома взрослых среднего и пожилого возраста в Китае, используя данные CHARLS 2020 года. Насколько нам известно, это первая экономичная номограмма, разработанная специально для этой популяции, отличающая её от существующих моделей, преимущественно ориентированных на пожилое население без учёта влияния условий проживания. Анализируя эту модель, мы стремились выявить ключевые факторы риска, тем самым предоставив теоретическую основу для разработки целевых вмешательств. Разработка модели была основана на концепции стресс-уязвимости, которая предполагает, что депрессия возникает из-за взаимодействия демографических уязвимостей и хронических стрессоров, присущих условиям проживания дома20. Ожидается, что это исследование внесёт вклад в развитие услуг по психическому здоровью, разработку целенаправленных политик и повышение общественной стабильности.

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

Protocol

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

Исследование было одобрено Комитетом по биомедицинской этике Пекинского университета (IRB00001052-11015). Все участники предоставили информированное согласие.

Исследуемая популяция
Данные для этого исследования были получены в рамках CHARLS 2020, который охватывает 150 единиц окружного и 450 деревень по всей стране, охватывая примерно 10 000 домохозяйств и 19 395 людей среднего и пожилого возраста в возрасте 45 лет истарше 21 года. Опрос использовал многоступенчатый подход вероятностной выборки. Лица включались, если они соответствовали следующим критериям: возраст 45 лет и старше; выбрал дом в ответ на вопрос BA007: Каков тип проживания по адресу проживания?; а также дал ясный ответ на 10-пунктную шкалу депрессии Центра эпидемиологических исследований (CES-D-10). Лица исключались, если они соответствовали одному или нескольким из следующих критериев: ответы, указывающие на проживание вне дома (включая сообщества, больницы и другие, или отсутствовать); отсутствие информации о депрессии; отсутствие информации о соответствующих ковариатах. В итоге в исследование были включены 14 466 взрослых, соответствующих первоначальным критериям. Подробный процесс отбора участников иллюстрирован на рисунке 1.

figure-protocol-1
Рисунок 1: Блок-схема для выбора популяций исследований. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

Определение переменных
Симптомы депрессии оценивались с помощью упрощённой версии CES-D-10, который обладает высокой надёжностью и валидностью в предыдущихисследованиях 22,23. В CES-D-10 10 10 предметов с четырьмя гаммами: 0 = никогда, 1 = иногда или редко, 2 = часто и 3 = всегда, а пятый и восьмой предметы оцениваются обратной24. Общий балл шкалы депрессии получается суммированием оценок всех 10 заданий, варьирующихся от 0 до 30; Чем выше балл, тем серьёзнее симптомы депрессии у человека. Согласно предыдущим исследованиям среднего и пожилого населения25,26, участники с баллами CES-D-10 ≥10 классифицировались как имеющие депрессивные симптомы, тогда как баллы <10 классифицировались как недепрессивные.

Информация, собранная от всех участников исследования, включает демографические данные (возраст, пол, семейное положение, место жительства и уровень образования), жизненные привычки и физическое состояние здоровья (физическая активность, курение, алкоголь, социальные взаимодействия, самооценка здоровья, статус хронических заболеваний и время дневного сна), а также сведения, связанные с условиями жизни и детьми (удовлетворённость условиями жизни, семейное положение потомства, и состояние здоровья потомства). Хронические заболевания диагностируются врачами и включают гипертонию, дислипидемию, злокачественные опухоли, хронические заболевания лёгких, болезни сердца, инсульт, артрит и ревматизм.

Статистический анализ
Бинарный логистический регрессионный анализ
Категориальные переменные представлены в виде частот и процентов. Были проведены тесты хи-квадрата для изучения различий в частоте депрессии по различным демографическим характеристикам в исследуемой популяции. Для выявления значимых факторов, связанных с депрессивными симптомами, был проведен бинарный логистический регрессионный анализ. Эти статистические анализы проводились с использованием программного обеспечения SPSS (версия 21.0).

Регрессия LASSO
В версии R 4.3.2 набор данных случайным образом делился на обучающий набор и тестовый набор с соотношением 7:3 с использованием фиксированного случайного заседа для обеспечения воспроизводимости. В частности, 70% данных были выделены в обучающий набор для разработки моделей, а 30% — в тестовый набор для независимой валидации. Во-первых, переменные, статистически значимые (p < 0,05) в бинарной логистической регрессии, были включены в анализ регрессии LASSO, чтобы предотвратить переподгонку путём уменьшения коэффициентов. Оптимальное значение лямбда определялось с помощью 10-кратной перекрёстной валидации. Lambda.1se был выбран на основе одного стандартного правила ошибки для достижения оптимальной производительности выбора переменных. Сжатие LASSO применялось для предотвращения переподгонки путём снижения коэффициентов менее важных переменных к нулю. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 1).

Конструкция номограмм
Относительная значимость выбранных предикторов была ранжирована по абсолютной величине их стандартизированных коэффициентов и визуализирована на лесном участке. С помощью пакета rms была построена предсказательная номограмма, основанная на итоговом логистическом регрессионном уравнении. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 2).

Валидация модели
Дискриминация оценивалась путём вычисления площади под кривой рабочей характеристики приёмника (AUC) с использованием пакета pROC. AUC рассчитывался отдельно для тренировочного и тестового набора. Обычно AUC выше 0,75 означает хорошую дискриминацию. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 3).

Калибровка: Калибровка модели была оценена с помощью теста Hosmer-Lemeshow на прилагопасение и визуализирована с помощью калибровочных кривых, сгенерированных корпусом rms, с графиком прогнозируемых вероятностей на основе наблюдаемых частот. Незначительный тест Хосмера-Лемешоу (p > 0,05) показывает хорошую калибровку. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 4).

Клиническая полезность: Клиническая полезность оценивалась с помощью анализа кривой принятия решения (DCA) с помощью пакета RMDA, рассчитывающего чистую выгоду по пороговым вероятностям от 0% до 100%. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 5).

Валидация случайных лесов: В качестве дополнительной валидации была реализована модель случайного леса с использованием пакета randomForest для оценки стабильности и обобщённости модели. Кривая сходимости уровня ошибок была построена для оценки связи между количеством деревьев и точностью предсказания как в обучающем, так и в тестовом наборах. Двустороннее значение p < 0,05 считалось статистически значимым разницей. Для получения дополнительной информации, пожалуйста, обратитесь к Дополнительному файлу 1 (пункт 6).

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

Results

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

Характеристики образца
В исследовании приняли участие 14 466 человек со следующими характеристиками: 46,8% — в возрасте 60-74 лет, 52,2% — женщины, а 75,2% имели статус сельскохозяйственной регистрации. По уровню образования 62,9% имели начальное образование или ниже. Что касается психического состояния, 37,1% участников проявляли симптомы депрессии, а оставшиеся 62,9% — не проявили симптомов депрессии. Подробная информация приведена в Таблице 1.

...

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

Discussion

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

В этом исследовании были сделаны несколько ключевых выводов относительно факторов риска и прогнозирования симптомов депрессии среди домовладельцев среднего и пожилого возраста в Китае. Во-первых, исследование показало, что у 37,1% проживающих дома взрослых среднего и пожилого возраста в Китае проявлялись депрессивные симптомы, что указывает на высокий уровень депрессивных симптомов у этой группы. Результаты этого исследования не совпадали с результатами глобального мета-анализа распростр...

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

Disclosures

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

Никто не объявил.

Acknowledgements

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

Это исследование было поддержано Проектом социального планирования провинции Цзянси (20SH17) и Проектом науки и технологий Департамента образования Цзянси (GJJ191063 и GJJ171078). Искренне благодарю Национальную школу развития Пекинского университета и Институт социальных наук за предоставленные соответствующие данные.   Вклад автора: Conceptualization, X.X.Z. и J.X.X.; методологии, J.X.X. и S.G.Z; программное обеспечение — X.X.Z.; валидацию — J.X.X. и S.G.Z.; формальный анализ, S.G.Z. и R.J.W.; расследование, J.X.X. и W.C., B.B.D. и L.B.L.; ресурсы: J.X.X., S.G.Z., W.C., B.B.D. и L.B.L.; кураторство данных, J.X.X. и S.G.Z; написание — подготовка оригинального черновика, J.X.X. и S.G.Z; написание — рецензирование и редактирование, X.X.Z., J.X.X., S.G.Z., R.J.W., X.J.L, Y.T.X, R.L., и W.J.H.; надзор, X.X.Z. Приобретение финансирования, X.X.Z. Все авторы прочитали и согласились с опубликованной версией рукописи.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
(pROC)(Шапвиз)(лоскутное одеяние)(xgboost)(ggplot2)(rms)(RMDA)(карет)(случайный лес)(глмнет)(ЗВУК)(грепел)(читатель)CRANН/ДПакет R для анализа кривой принятия решений по модели прогнозирования рисков
Набор данных CHARLSКоманда CHARLSН/ДНабор данных Лонгитюдного исследования здравоохранения и пенсии Китая, используемый для разработки и валидации моделей
R  R Foundation для статистических вычислений4.3.2  Статистическое программное обеспечение, используемое для анализа данных и моделирования.
Статистика SPSSIBM21Программное обеспечение, используемое для дополнительного статистического анализа.

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