编辑推荐：
为解决老年人心理健康问题的研究困境，研究人员以社区老年人为对象开展心理健康共病模式研究。利用 TUDA 数据集，通过多视图共聚类分析，识别出 5 种心理健康模式及相关风险因素。这有助于理解老年人心理健康状况，为干预提供依据。
随着全球人口老龄化加剧，老年人的心理健康问题日益受到关注。想象一下，在我们身边，越来越多的老人正面临着各种心理困扰，然而，当前对于老年人心理健康问题的研究却存在诸多难题。一方面，以往研究在探讨老年人心理健康问题的患病率及成因时，结果常常不一致。这是因为相关研究考虑的因素繁杂多样，而且现有文献大多孤立地研究焦虑和抑郁等心理疾病，没有充分考虑这些疾病的共病模式，也未深入探究各风险因素之间的相互关系。另一方面，对心理健康问题关键预测因素的研究也是各自为政，未能全面考量风险因素与心理健康各方面的交互影响。同时，心理健康障碍患病率的估算存在不确定性，这与二元诊断的局限性以及评估方法的差异有关。在这样的背景下，深入了解老年人不同的心理健康状况，明确哪些风险因素共同作用导致心理健康问题，就显得尤为重要。
为了解开这些谜团，来自爱尔兰都柏林三一学院（Trinity College Dublin）、阿尔斯特大学（Ulster University）等机构的研究人员开展了一项极具意义的研究。他们的研究成果发表在《BMC Geriatrics》杂志上。
研究人员使用了三一阿尔斯特农业部门研究（Trinity Ulster Department of Agriculture study，TUDA）的数据集。该数据集涵盖了 5186 名参与者在 2008 - 2012 年的综合认知和健康评估数据，以及其中 953 名参与者在 2014 - 2018 年的纵向随访数据。研究人员通过多视图共聚类分析方法，将参与者的信息分为五个视图：心理健康（通过流行病学研究中心抑郁量表（Center for Epidemiologic Studies Depression Scale，CES - D）和医院焦虑抑郁量表（Hospital Anxiety and Depression Scale，HADS）测量）、认知和神经心理功能、疾病诊断和药物处方史、生活方式和营养状况、身体状况。其中，心理健康视图作为目标特征集，其余四个视图被视为心理健康风险的潜在影响因素。
在研究结果部分：
- 心理健康视图的共聚类结果：研究识别出五种心理健康组（Mental Health Groups，MHGs）。Group 2 表现出最严重的抑郁和焦虑症状；Group 3 症状较 Group 2 轻，但仍较为明显；Group 1 主要有抑郁症状，焦虑症状较少；Group 4 则相反，主要是焦虑症状，无抑郁症状；Group 5 几乎没有抑郁和焦虑症状。同时，研究还发现 CES - D 和 HADS 量表中的问题可分为不同的聚类，这有助于理解心理健康评估的潜在维度，还可能用于开发简化版的评估量表。
- 其他视图的共聚类结果：认知健康数据视图有三个行聚类，分别代表不同的认知功能水平；疾病和药物视图有两个行聚类，主要根据抗焦虑、抗抑郁和抗精神病药物的使用情况区分；生活方式和营养视图也有两个行聚类，与地区贫困程度、婚姻状况等因素相关；身体状况视图有两个行聚类，由年龄差异区分。
- 心理健康与四个协变量集的关系：研究发现，不同心理健康组在其他视图中的表现不同。例如，Group 3 的参与者认知功能较低，来自较贫困地区，更可能独居，年龄较大且身体独立性较差；而 Group 2 则相反。此外，Group 1 和 Group 4 在其他视图中的表现也呈现相反模式，Group 5 的参与者大多属于疾病和药物、生活方式和营养、身体状况视图中较为健康的聚类，且与认知健康聚类 1 和 3 有显著关联。
- 随访队列中的心理健康模式：对 953 名参与者的随访研究发现，共聚类分析检测到四种心理健康模式。这些模式与原始队列中的模式有一定的对应关系，表明心理健康模式具有一定的稳定性，但部分参与者在不同心理健康组之间发生了转变。
在研究结论和讨论部分，研究人员通过多视图共聚类分析，成功识别出老年人中存在的五种不同的心理健康模式及其相关的风险因素。这些模式反映了老年人心理健康的不同表型，且与年龄、性别、认知功能、生活方式、营养状况和身体状况等因素密切相关。同时，研究还发现心理健康模式在纵向研究中具有一定的持续性，这为进一步研究心理健康障碍的空间和社会经济聚类、制定针对性的政策和生活方式干预措施提供了重要依据。此外，研究对 CES - D 和 HADS 量表的分析，为开发简化版的评估量表提供了思路，有助于快速诊断心理健康障碍。然而，该研究也存在一定的局限性，如纵向研究的样本量较小且年龄结构与原始队列不同，研究样本并非来自一般人群，可能影响研究结果的普遍性。但总体而言，这项研究为我们理解老年人的心理健康状况提供了新的视角，为后续研究和干预措施的制定奠定了坚实的基础。
研究人员在开展这项研究时，主要运用了以下关键技术方法：
- 多视图共聚类分析：使用多视图潜在块模型（Multi - View Latent Block Model，MVLBM）对多视图数据进行共聚类分析，将参与者和特征分别聚类，揭示不同视图间的关系。
- 数据收集与整理：利用 TUDA 研究数据集，收集参与者的心理健康、认知功能、疾病诊断、生活方式、营养状况和身体状况等多方面的数据，并进行整理和分类。
- 统计分析：运用 RStudio 和 R 语言进行统计分析，通过多元非参数威尔克斯（Wilks’ Lambda）统计、Kruskal - Wallis 检验和卡方检验等方法，验证不同心理健康组之间的差异。
