《Frontiers in Public Health》：Prediction of depressive symptoms in middle-aged and older adult hospitalized patients with chronic diseases: a multicenter study in Anhui, China using machine learning methods
编辑推荐：
摘要
目的：本横断面研究具有双重目标：探讨机器学习（ML）对中老年慢性病住院患者抑郁症状患病率的预测价值，并识别该人群中影响抑郁症状的重要因素。
方法：对618例中老年慢性病住院患者进行横断面研究。受试者完成了评估抑郁、慢性病病耻感、口腔衰弱、社会隔离
摘要
目的：本横断面研究具有双重目标：探讨机器学习（ML）对中老年慢性病住院患者抑郁症状患病率的预测价值，并识别该人群中影响抑郁症状的重要因素。
方法：对618例中老年慢性病住院患者进行横断面研究。受试者完成了评估抑郁、慢性病病耻感、口腔衰弱、社会隔离、家庭健康及人口学特征的问卷。采用XGBoost模型算法进行特征选择和变量重要性排序。构建了预测模型以评估抑郁症状风险，并利用特征重要性蜂巢图展示变量与预测结果之间的关系。
结果：研究发现多个与抑郁显著相关的风险因素，包括性别、居住地、过去一年手术次数、过去2年住院次数、社会隔离、教育水平、合并症、年龄、恶性疾病、口腔衰弱、疾病相关病耻感及家庭健康。XGBoost模型表现出最优预测性能，AUC值达到0.931。关键预测因子包括慢性病病耻感量表、家庭健康、口腔衰弱、社会隔离、恶性疾病及过去2年住院次数。
结论：本研究构建了中老年慢性病住院患者抑郁症状的风险预测模型，为该人群的心理健康干预提供了重要参考依据。
随着中国人口老龄化加速，慢性病患病率持续攀升，中老年慢性病患者合并抑郁症状的问题日益突出，其患病率高达45.65%以上。既有研究多基于社区样本（如中国健康与养老追踪调查CHARLS等），缺乏针对住院患者的特异性预测模型，且未纳入口腔衰弱（oral frailty）和疾病相关病耻感（stigma）等临床可获取的预测因子。为此，研究人员开展了一项多中心横断面研究，旨在运用机器学习（ML）方法构建中老年慢性病住院患者抑郁症状的风险预测模型，并识别关键影响因素，为临床心理健康干预提供依据。该论文发表于《Frontiers in Public Health》。
研究人员采用的主要关键技术方法包括：从安徽省芜湖市三家三级甲等医院通过分层整群随机抽样招募618名中老年慢性病住院患者（2024年10月至2025年1月）；使用患者健康问卷（PHQ-9）、慢性病病耻感量表（SSCI-8）、口腔衰弱量表（OFI-8）、Lubben社会网络量表（LSNS-6）和家庭健康量表简版（FHS-SF）等工具收集数据；通过Lasso回归筛选变量，再构建9种机器学习模型（逻辑回归LR、随机森林RF、XGBoost、神经网络nnet、AdaBoost、梯度提升机GBM、LightGBM、K近邻KNN、支持向量机SVM），采用10折交叉验证调优，以ROC曲线下面积（AUC）、Brier评分等指标评估性能，最终用SHAP技术解释最优模型。
**研究结果**
**样本描述**
研究人员通过描述性统计和卡方检验发现，618名中老年慢性病住院患者中，抑郁症状患病率（PHQ-9总分≥10）为67.4%。单因素分析显示，性别、居住地、过去一年手术次数、过去2年住院次数、教育水平、合并症、年龄、恶性疾病、社会隔离、口腔衰弱、病耻感及家庭健康与抑郁症状显著相关（P<0.05）。
**参与者基线特征**
以抑郁症状为因变量，通过Lasso回归（10折交叉验证）筛选出11个候选变量，进一步纳入二元逻辑回归分析，确定6个独立危险因素：过去2年住院次数（OR=1.719）、恶性疾病（OR=2.029）、慢性病病耻感量表（OR=1.268）、社会隔离（OR=2.380）、口腔衰弱（OR=2.994）及家庭健康（OR=0.942，保护因素）。
**九种机器学习预测模型的性能比较**
在训练集和内部验证集上，9种模型的AUC均超过0.9。其中，XGBoost模型在验证集中表现最优：AUC=0.931，准确率=0.881，F1分数=0.823，Brier评分=0.094，综合性能最佳。
**基于XGBoost模型的可解释性构建**
SHAP分析显示，特征重要性排序依次为：慢性病病耻感量表（平均贡献0.209）、家庭健康、口腔衰弱、社会隔离、恶性疾病、过去2年住院次数。蜂巢图表明，高病耻感、低家庭健康、高口腔衰弱、社会隔离和恶性疾病均正向预测抑郁症状，而过去2年住院次数的影响相对较小。
**讨论与结论**
研究人员将本研究与既往研究对比，指出抑郁症状患病率（67.4%）高于新疆地区报告（32.4%），可能因样本中干预科室的肝肿瘤患者占比较高，其预后差、症状负担重导致心理压力更大。社会隔离通过缩小社交网络、减少情感支持加剧抑郁风险；口腔衰弱因药物性口干、饮食选择受限、外貌改变和昂贵治疗费用等途径诱发抑郁；家庭健康作为保护因子，通过提供情感支持、信息共享和行为示范缓冲心理压力；病耻感则通过阻碍治疗依从性、降低自我效能形成恶性循环。基于XGBoost模型预测因子，研究人员提出分层风险干预框架：对高病耻感者实施短期认知行为干预（CBI），对口腔衰弱者整合住院口腔健康管理，模型可嵌入电子健康记录自动筛查，并进行定期随访。研究局限性包括横断面设计无法推断因果、数据自报偏倚、样本仅来自安徽一个城市、未控制家庭收入、医保、照护者负担及当前住院时长等混杂因素。
**结论**
本研究调查了中老年慢性病住院患者抑郁症状的现状及其影响因素。总体而言，研究证实了先前假设。结果显示，住院次数、恶性疾病、社会隔离和口腔衰弱与抑郁症状显著相关，而家庭健康是中老年慢性病住院患者抑郁症状的保护因素。降低抑郁症状的患病率对于改善中老年慢性病患者的身体功能和生活质量以及减少不良健康结局的发生至关重要。建议全面评估中老年慢性病住院患者，并制定多模式、个性化的心理健康干预方案。
