Research Article

CHARLS verilerine dayanarak Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinler için depresyon riski tahmin modelinin geliştirilmesi ve doğrulanması

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

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

Bu çalışma, CHARLS verilerini kullanarak evde yaşayan orta yaşlı ve yaşlı yetişkinler için depresyon riski tahmin modeli geliştirmiş ve doğrulamıştır. Bu model, beş temel öngörücü faktörü içermektedir. Nomogram, popülasyon düzeyinde risk tabakalaşması için uygun olan ve etkili bir tarama aracı olan kabul edilebilir ayrımcılık (0.766/0.664) göstermiştir.

Abstract

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

Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinler arasında depresif semptomlar için risk tahmin modelleri üzerine araştırma eksikliği vardır. Bu çalışma, Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinler arasında depresyon risk faktörlerini belirlemek ve kanıta dayalı önleme stratejileri ile halk sağlığı politikalarını bilgilendirmek amacıyla bir risk tahmin modeli geliştirmeyi amaçladı. En son ulusal temsilci CHARLS 2020 dalgasını (n = 14.466) kullanarak, evde yaşayan orta yaşlı ve yaşlı Çinlilerde depresif semptomları (CES-D-10 ≥ 10) tahmin eden ilk sade nomogramı geliştirdik. Ki-kare ve çok değişkenli lojistik taramalardan sonra, 10 kat çapraz doğrulama ile LASSO, en etkili beş tahmin edicisini belirledi. Model ayırtıcılığı (AUC), kalibrasyon (Hosmer-Lemeshow, kalibrasyon grafiği) ve klinik fayda (karar eğrisi analizi) eğitim-test bölünmelerinde değerlendirildi (7:3). Evde yaşayan 14.466 orta yaşlı ve yaşlı yetişkinin 5.488'i (%37,1) depresif semptomlara sahipti ve 8.978'i (%62,9) depresif semptomlar kriterlerini karşılamadı. Son nomogram beş değişkenden oluşuyordu: kadın cinsiyeti, kırsal hukou, ilkokul veya daha az eğitim, evlenmemiş statü ve 60 yaş üstü. Araç, eğitim setinde 0.766 (%95 GA 0.752-0.780) ve test setinde 0.664 (0.637-0.691) AUC elde etti; mükemmel kalibrasyon (P = 0.28) ve pozitif net fayda oranları %30 ile %50 arasında arasında gerçekleşti. Bu model, Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinlerde depresyon riskini öngörebilir ve bu popülasyonda depresyonun erken teşhisi ve risk yönetimi için uygun bir tarama aracı olarak hizmet edebilir.

Introduction

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

Depresyon, yüksek yaygınlık1, düşük tedavi kabul oranları ve yüksek tekrarlama oranlarıyla karakterize edilen bir ruhsal bozukluk olarak, orta yaşlı ve yaşlı bireylerin fiziksel ve zihinsel sağlığı için büyük bir tehdit halinegelmiştir 2. Dünya genelinde yetişkinlerin %5'inin depresyondan muzdarip olduğu tahmin edilirken, yaşlı yetişkinler arasında bu oran yaklaşık %30'dur3,4. Çin'de yakın tarihli bir çalışma, tahmini olarak 50,6 milyon kişinin depresif bozukluklardan etkilendiğini ve bunun küresel yükün %17,8'inioluşturduğunu ortaya koymuştur 5. Zhu ve ark. Çin'de yaşlılar arasında depresyon insidansının %27,0 ile %37,3 arasında değiştiğinibildirmiştir 6. Ayrıca, yaşlanma ve diğer faktörlerin kapsamlı etkisi altında, yaşlı yetişkinlerin ruh sağlığı genelliklekötüleşme eğilimindedir 7. Çin'de, ev-yaşam modeli, orta yaşlı ve yaşlı yetişkinler için ana yaşam ve bakımmodeliydi 8. Bu model kapsamında orta yaşlı ve yaşlı yetişkinler arasında depresyonun yaygınlığı ve risk faktörlerinin araştırılması hem önemli hem de anlamlıdır9.

Orta yaşlı ve yaşlılar arasında depresyonla ilgili önceki araştırmalar internet kullanımı10, uyku süresi ve kalitesi11,fiziksel ağrı gibi birçok yönü ele almış olsa da, bunların çoğu kesitsel çalışmalardır; ağırlıklı olarak bu grubun yaşlı yetişkinleri ile depresyon arasındaki ilişkiye odaklanır ve etkileyici faktörleriniinceler 13,14,15. Mevcut araştırmalar, yaşam düzenlemelerinin (evde ve kurumsal bakım) orta yaşlı ve yaşlı nüfuslarda depresif semptomları önemli ölçüde etkilediğinigöstermektedir (16,17). Bazı araştırmacılar ayrıca yaşlılar arasında depresyon riskini değerlendirmek için modeller geliştirerek modeller kullandı;18,19. Ancak bu çalışmalar iki büyük sınırlamaya sahiptir: birincisi, mevcut tahmin modelleri çoğunlukla genel yaşlı nüfusta depresyon riskini tahmin etmek için geliştirilmiştir ve evde yaşayan orta yaşlı ve yaşlı yetişkinler için özel araçlardan yoksundur; ikincisi ise, bu sonuçların klinik uygulaması yetersizdir.

Bu nedenle, bu çalışma, 2020 CHARLS verilerini kullanarak Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinlere uygulanabilir bir depresyon riski tahmin modeli oluşturmayı amaçlamaktadır. Bildiğimiz kadarıyla, bu popülasyon için özel olarak geliştirilen ilk kısaydı nomogramı temsil ediyor ve bunu, yaşam düzenlerinin etkisini hesaba katmadan ağırlıklı olarak genel yaşlı nüfusu hedefleyen mevcut modellerden ayırıyor. Bu modeli analiz ederek, hedefli müdahaleler geliştirmek için teorik bir temel oluşturmayı amaçladık. Model geliştirme, depresyonun, demografik kırılganlıklar ile evde yaşam koşullarında doğası olan kronik stres faktörleri arasındaki etkileşimden kaynaklandığını öne süren stres-savunmasızlık çerçevesine dayanmıştır20. Bu çalışmanın, ruh sağlığı hizmetlerinin geliştirilmesine, hedefe yönelik politikaların geliştirilmesine ve toplumsal istikrarın artmasına katkı sağlaması beklenmektedir.

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

Protocol

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

Araştırma, Pekin Üniversitesi Biyomedikal Etik Komitesi tarafından onaylandı (IRB00001052-11015). Tüm denekler bilgilendirilmiş rıza sağladı.

Çalışma nüfusu
Bu çalışmanın verileri, ülke genelinde 150 ilçe düzeyinde ve 450 köy düzeyinde birimi kapsayan CHARLS 2020'den alınmıştır; yaklaşık 10.000 hane ve 45 yaş veüzeri 21 yaş arası 19.395 orta yaşlı ve yaşlı bireyi kapsamaktadır. Anket, çok aşamalı olasılık örnekleme yaklaşımı kullandı. Bireyler aşağıdaki kriterleri karşılıyorsa dahil edildi: 45 yaş ve üzerinde; BA007 sorusuna yanıt olarak seçilmiş ev-konut sorusu: Yaşam adresindeki konut türü nedir?; ve Epidemiyolojik Araştırmalar Merkezi'nin 10 maddelik Depresyon Ölçeği'ne (CES-D-10) net bir yanıt sağladı. Bireyler, aşağıdaki kriterlerden birini veya birkaçını karşılıyorlarsa dışlandı: evde olmayan ikamet (topluluklar, hastaneler ve diğerleri veya kayıplar dahil) belirten yanıtlar; depresyon hakkında bilgi eksikliği; İlgili kovaryatlar hakkında bilgi eksikliği. Sonuç olarak, ilk kriterleri karşılayan 14.466 yetişkin bu çalışmaya dahil edildi. Katılımcı seçiminin ayrıntılı süreci Şekil 1'de gösterilmiştir.

figure-protocol-1
Şekil 1: Çalışma popülasyonu seçimi için bir akış şeması. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Değişkenlerin tanımı
Depresif semptomlar, önceki çalışmalarda yüksek güvenilirliğe ve geçerliliğe sahip olan CES-D-10'un basitleştirilmiş bir versiyonukullanılarak değerlendirildi 22,23. CES-D-10'da dört ölçekli 10 öğe bulunur: 0 = hiç, 1 = bazen veya nadiren, 2 = sıkça ve 3 = hep, beşinci ve sekizinci maddeler ise ters24 puanlanır. Depresyon ölçeğinin toplam puanı, 0 ile 30 arasında değişen tüm 10 maddenin puanlarının toplanmasıyla elde edilir; Puan ne kadar yüksekse, kişinin depresif semptomları o kadar ciddi olur. Orta yaşlı ve yaşlı nüfus üzerinde yapılan öncekiçalışmalara göre 25,26, CES-D-10 puanlarına ≥10 puan veren katılımcılar depresif semptomlara sahipken, <10 puanları depresif olmayan olarak sınıflandırıldı.

Tüm çalışma katılımcılarından toplanan bilgiler, demografik bilgileri (yaş, cinsiyet, meviyet durumu, ikamet ve eğitim seviyesi), yaşam alışkanlıkları ve fiziksel sağlık durumunu (fiziksel aktivite, sigara, içki, sosyal etkileşimler, kendi değerlendirme sağlığı, kronik hastalık durumu ve uyku zamanı) ile yaşam koşulları ve çocuklarla ilgili bilgileri (yaşam koşullarından memnuniyet, çocukların medeni durumu, ve yavruların sağlık durumu). Kronik hastalıklar doktorlar tarafından teşhis edilir ve hipertansiyon, dislipidemi, kötü hutlu tümörler, kronik akciğer hastalığı, kalp hastalığı, felme, artrit ve romatizma gibi konuları içerir.

İstatistiksel analiz
İkili lojistik regresyon analizi
Kategorik değişkenler sıklık ve yüzdeler olarak sunulur. Çalışma popülasyonundaki çeşitli demografik özellikler arasında depresyon insidansındaki farklılıkları incelemek için ki-kare testleri yapıldı. Depresif semptomlarla ilişkili önemli faktörleri belirlemek için ikili lojistik regresyon analizi yapıldı. Bu istatistiksel analizler SPSS yazılımı (sürüm 21.0) kullanılarak gerçekleştirildi.

LASSO regresyonu
R sürüm 4.3.2'de, veri seti rastgele olarak bir eğitim seti ve test seti olarak 7:3 oranında, sabit rastgele bir tohum kullanılarak tekrarlanabilirliği sağlamak için bölünmüştür. Özellikle, verilerin %70'i model geliştirme için eğitim setine, %30'u ise bağımsız doğrulama için test setine tahsis edildi. İlk olarak, ikili lojistik regresyonda istatistiksel olarak anlamlı olan (p < 0.05) değişkenler, katsayıların küçültülmesiyle aşırı uyumu önlemek için LASSO regresyon analizine dahil edilmiştir. Optimal lambda değeri, 10 kat çapraz doğrulama ile belirlendi. lambda.1se, optimal değişken seçimi performansına ulaşmak için tek standart hata kuralına göre seçildi. LASSO küçülmesi, daha az önemli değişkenlerin katsayılarını sıfıra doğru indirerek aşırı uyumu önlemek için kullanıldı. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 1) bakınız.

Nomogram yapısı
Seçilen tahmincilerin göreli önemi, standartlaştırılmış katsayılarının mutlak büyüklüğüne göre sıralanmış ve orman grafiki kullanılarak görselleştirilmiştir. Nihai lojistik regresyon denklemine dayanarak rms paketi kullanılarak öngörücü bir nomogram oluşturuldu. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 2) bakınız.

Model doğrulama
Ayırtım, alıcı çalışma karakteristikası eğrisinin (AUC) altındaki alan pROC paketi kullanılarak hesaplanarak değerlendirildi. AUC, eğitim seti ve test seti için ayrı ayrı hesaplandı. Genellikle, 0.75'ten yüksek bir AUC iyi ayrımcılığı gösterir. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 3) bakınız.

Kalibrasyon: Model kalibrasyonu Hosmer-Lemeshow uygunluk testi kullanılarak değerlendirildi ve rms paketi tarafından oluşturulan kalibrasyon eğrileriyle görselleştirildi; tahmin edilen olasılıklar gözlem sıklıklarına karşı çizildi. Anlamsız bir Hosmer-Lemeshow testi (p > 0.05) iyi kalibrasyon göstermektedir. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 4) bakınız.

Klinik fayda: Klinik fayda, rmda paketiyle karar eğrisi analizi (DCA) kullanılarak değerlendirildi; eşik olasılıklar arasında net fayda %0'dan %100'e kadar hesaplandı. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 5) bakınız.

Rastgele orman doğrulaması: Ek bir doğrulama olarak, modelin kararlılığını ve genelleştirilebilirliğini değerlendirmek için randomForest paketi kullanılarak rastgele bir orman modeli uygulandı. Hata oranı yakınsaması eğrisi, hem eğitim hem de test setlerinde ağaç sayısı ile tahmin doğruluğu arasındaki ilişkiyi değerlendirmek için çizildi. İki taraflı p değeri < 0.05, istatistiksel olarak anlamlı bir farkı göstermek üzere kabul edildi. Daha fazla bilgi için lütfen Ek Dosya 1'e (madde 6) bakınız.

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

Results

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

Örnek özellikleri
Çalışma, aşağıdaki özelliklere sahip 14.466 katılımcıdan oluşuyordu: %46,8'i 60-74 yaş arasında, %52,2'si kadın ve %75,2'si tarımsal hane kayıt statüsüne sahipti. Eğitim seviyesi açısından, %62,9'u ilkokul veya daha düşük bir eğitim almıştır. Ruh sağlığı durumu açısından, katılımcıların %37,1'i depresif semptomlar gösterirken, kalan %62,9'u depresif semptom göstermedi. Detaylı bilgiler Tablo 1'de sunulmuştur.

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

Discussion

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

Bu çalışma, Çin'de evde yaşayan orta yaşlı ve yaşlı yetişkinler arasında depresif semptomların risk faktörleri ve tahmini ile ilgili birkaç önemli bulgu ortaya koydu. İlk olarak, çalışma, evde yaşayan orta yaşlı ve yaşlı yetişkinlerin %37,1'inin Çin'de depresif semptomlar gösterdiğini ve bu nüfusun yüksek depresif semptomlar yükünü gösterdiğini ortaya koydu. Bu çalışmanın sonuçları, yaşlı yetişkinlerde depresif semptomların yaygınlığına dair küresel bir meta-analiz bulgularıyla tutarsızd...

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

Disclosures

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

Hiçbiri ilan edilmedi.

Acknowledgements

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

Bu çalışma, Jiangxi Eyaleti Sosyal Bilimler Planlama Projesi (20SH17) ve Jiangxi Eğitim Departmanı'nın Bilim ve Teknoloji Projesi (GJJ191063 ve GJJ171078) tarafından desteklendi. İlgili verileri sağladıkları için Pekin Üniversitesi Ulusal Kalkınma Okulu'na ve Sosyal Bilimler Araştırması Enstitüsü'ne içten teşekkürler.   Yazar katkısı: Kavramsallaştırma, X.X.Z. ve J.X.X.; metodoloji, J.X.X. ve S.G.Z; yazılım, X.X.Z.; doğrulama, J.X.X. ve S.G.Z.; resmi analiz, S.G.Z. ve R.J.W.; soruşturma, J.X.X. ve W.C., B.B.D. ve L.B.L.; kaynaklar, J.X.X., S.G.Z., W.C., B.B.D. ve L.B.L.; veri kürasyonu, J.X.X. ve S.G.Z; yazı—orijinal taslak hazırlığı, J.X.X. ve S.G.Z; yazma—inceleme ve düzenleme, X.X.Z., J.X.X., S.G.Z., R.J.W., X.J.L, Y.T.X, R.L, ve W.J.H.; Denetim, X.X.Z. Yatırım Satın Alma, X.X.Z. Tüm yazarlar makalenin yayımlanmış versiyonunu okuyup kabul etti.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
(pROC)(şappviz)(yamalı iş)(xgboost)(ggplot2)(rms)(RMDA)(kara)(rastgeleForest)(gimnet)(dplyl)(ggrepel)(okunur)CRANYokRisk tahmini modeli karar eğrisi analizi için R paketi
CHARLS veri setiCHARLS takımıYokÇin Sağlık ve Emeklilik Uzunlamasına Çalışması veri seti, model geliştirme ve doğrulama için kullanılan
R  R İstatistiksel Hesaplama Vakfı4.3.2  Veri analizi ve modelleme için kullanılan istatistiksel yazılım.
SPSS İstatistikleriIBM21Ek istatistiksel analiz için kullanılan yazılımlar.

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