超强组合拳！中国学者用CHARLS+机器学习一周发两篇SCI | CHARLS等七大老年公共数据库周报（11.23 ）
文摘
健康
2024-11-29 17:40
浙江
七大老年公共数据库共涵盖33个国家的数据，包括：美国健康与退休研究 (Health and Retirement Study, HRS)；英国老龄化纵向研究 （English Longitudinal Study of Ageing, ELSA）；欧洲健康、老龄化和退休调查（Survey of Health, Ageing and Retirement in Europe ，SHARE)；韩国老龄化纵向研究（Korean Longitudinal Study of Ageing, KLoSA）；中国健康与养老追踪调查（China Health and Retirement Longitudinal Survey, CHARLS）；墨西哥健康与老龄化研究（The Mexican Health and Aging Study，MHAS）；印度纵向老龄化研究 （Longitudinal Aging Study in India，LASI）我们对发文情况分别作简要文献预览，并报道使用联合数据库发表文章列表。11.17-11.23期间七大老年公共数据库文献预览- 美国健康与退休研究 (HRS)：共发文4篇，1篇二区文章；
- 欧洲健康、老龄化和退休调查（SHARE)：共发文1篇，1篇一区文章；
- 中国健康与养老追踪调查（CHARLS）：共发文5篇，3篇二区文章；
通过PubMed数据库检索发现，11.17-11.23共发表了0篇使用联合数据库的相关主题论文。
Health and Retirement Study（健康与退休研究，HRS）是美国国家老年人口与家庭变化研究所（Institute for Social Research, ISR）主导的一项长期研究项目，始于1992年。为纵向小组研究，对美国约20,000人的代表性样本进行调查。该项目的主要目标是深入了解美国中老年人口在健康、经济、社会和家庭层面的各种状况和变化。HRS得到了美国国家老龄研究所（National Institute on Aging, NIA）和社会保障局（Social Security Administration）的支持，被认为是关于老年人口的最全面、最权威的长期研究之一。通过其独特的深度访谈，HRS 提供了大量宝贵的、不断增长的多学科数据，研究人员可以利用这些数据来解决有关老龄化挑战和机遇的重要问题。通过PubMed数据库“Health and Retirement Study”检索发现，11.17-11.23共发表4篇相关主题论文，1篇医学二区文章，部分文章介绍如下。![]()
标题：多病测量中的高阶疾病相互作用：加性疾病总和的边际效益研究目的：目前的多发病措施往往过于简化复杂的疾病相互作用，假设疾病对健康结果的影响仅仅是累加性的。这种过度简化忽略了某些疾病组合可以表现出协同效应的临床观察。因此，我们的目标是将同时发生的高阶疾病相互作用纳入经过验证的icd编码多发病加权指数（MICD），以评估模型的改进。方法：1991-2012年，健康与退休研究参与者提供了ICD-9-CM索赔。通过高阶互动（双向、三向）评估前20种最普遍和最具影响力的疾病（基于与身体功能下降的关联）。我们应用最小绝对收缩和选择算子（LASSO）和自启动来识别和保留统计上显著的疾病相互作用。我们比较了线性模型中有无疾病相互作用的MICD模型拟合。结果：我们分析了来自18,212名参与者（训练集N=14,570，测试集N=3,642）的73,830个观察结果。无相互作用的MICD总体R2=0.26。在前10个最普遍和最具影响力的条件中引入双向交互导致R2=0.27，而扩展到前20个最普遍和最具影响力的条件产生R2=0.26。当添加三向交互作用时，同样的前10个条件产生的R2=0.26，而扩展到前20个条件产生的R2=0.24。结论：我们提出了同时高阶疾病相互作用的新见解，以潜在地整合到多病测量中。将双向疾病相互作用纳入前10个最普遍和最具影响力的条件，显示了模型拟合的最小改善。更精确的多病指数可能既包括疾病的主要影响，也包括它们之间的重要相互作用。![]()
其他三区文章：
![]()
中国健康与养老追踪调查(China Health and Retirement Longitudinal Study，CHARLS)是一项持续的纵向调查，旨在调查中国45岁及以上中老年人社会、经济和健康状况。基线调查于2011年开展，共17708名参与者，每两年追踪一次，目前已有5期数据2011（wave 1）、2013（wave2）、2015（wave 3）以及2018（wave 4），2020（wave 5）。- 对PubMed数据库搜索发现，本周发表5篇charls论文。
- 对CNKI数据库搜索发现，本周发表1篇charls论文。
- 对中华医学杂志数据库搜索发现，本周发表1篇charls论文。
通过PubMed数据库“CHARLS”检索发现，11.17-11.23共发表5篇相关主题论文，其中共3篇医学二区文章，部分文章介绍如下。![]()
标题：两种基于胱抑素c的eGFR方程在评估全因死亡率和心血管疾病发生率中的比较研究目的：慢性肾脏疾病流行病学合作组织（CKD-EPI） 2021和欧洲肾脏功能联盟（EKFC） 2023最近都更新了使用胱抑素C估计肾小球滤过率（eGFR）的方程；然而，人们对使用这些方程式对健康结果进行风险分层的好处知之甚少。我们进行了这项纵向研究，比较胱抑素C CKD-EPI和EKFC方程，以跟踪中国成年人心血管疾病的风险和全因死亡率。方法：我们使用2011年至2018年中国健康与退休纵向研究（CHARLS）的数据。采用调整后的logistic回归模型和限制三次样条函数来评估基于胱抑素c的eGFR值与心血管疾病发病率和死亡率的关系。结果：本研究共纳入6 496名受试者。参与者平均年龄59.6（±9.5）岁，其中男性2996人（46.1%）。在最长7年的随访期间，观察到473例死亡和1996例心血管疾病。使用基于胱抑素c的CKD-EPI方程，eGFR < 60 mL/min/1.73 m2者死亡风险增加(风险比[RR]， 1.527；95% CI, 1.068-2.178)和心血管疾病发生率(RR, 1.363；95% CI, 1.006-1.844)，与eGFR≥90 mL/min/1.73 m2相比。相反，通过EKFC方程，我们没有观察到eGFR水平与死亡率或心血管疾病有显著关联。结论：研究结果表明，在中国成年人中，使用CKD-EPI方程的基于胱抑素c的eGFR与全因死亡率和心血管疾病的关系比EKFC方程更密切。通过CKD-EPI方程监测基于胱抑素c的eGFR应在卫生实践中进行监测，这需要在其他人群中进一步验证。![]()
![]()
标题：用于预测膝关节骨关节炎患者抑郁症状的机器学习模型的发展研究目的：膝骨关节炎（KOA）合并抑郁症状很普遍，导致预后不良和严重的经济负担。然而，用于识别高危患者的实用工具仍然有限。需要一个健壮的预测模型来解决这一差距。本研究旨在建立并验证一个预测模型，以识别KOA患者发展为抑郁症状的风险。方法：模型开发采用中国健康与退休纵向调查（CHARLS）数据，外部验证采用骨关节炎倡议（OAI）数据。采用LASSO回归选择18个潜在预测因子。开发了逻辑回归、决策树、随机森林和人工神经网络4种机器学习模型。使用操作特征曲线下面积（AUC）、校准曲线和决策曲线分析来评估模型的性能。通过外部验证，从最优模型中提取出最重要的特征。结果：共纳入469人，其中70%用于培训，30%用于测试。随机森林模型的AUC为0.928，优于逻辑回归模型（AUC 0.622）、决策树模型（AUC 0.611）和神经网络模型（AUC 0.868）。外部验证显示调整后随机森林模型的AUC为0.877 （95% CI: 0.864-0.889）。疼痛严重程度是最重要的预测因素，其次是五次坐立测试（FTSST）和睡眠问题。结论：本研究是中国首个将抑郁症状预测模型应用于KOA患者的研究，为利用常规数据进行早期风险识别提供了实用工具。![]()
![]()
标题：可改变的健康生活方式对中国老年人死亡率的影响研究目的：在中国，不健康的生活方式，包括吸烟、饮酒、缺乏锻炼和不合理的饮食，在老年人中相对普遍。本研究的目的是研究老年人不良健康相关行为与全因和特定原因死亡率之间的具体联系。方法：这项研究涉及来自CHARLS数据库的5015名年龄≥60岁的受试者，随访时间为10年。平均年龄（67.96±6.39）岁。我们研究了生活方式组（基于坚持不吸烟、不饮酒、适度运动和18.5 kg/m2≤BMI< 24 kg/m2）是否与随后的死亡率有关。采用Cox比例风险模型估计维持健康生活方式的全因和特定原因死亡率的风险比（HR）和95%置信区间。结果：在多因素调整模型中，与不良组相比，中度组全因死亡风险降低了59.2% [HR 0.408 (95% CI 0.333, 0.499)]。此外，有利组的全因死亡风险降低至80.5% [HR 0.195 (95% CI 0.150, 0.253)]。心脑血管疾病、慢性呼吸系统疾病、癌症和糖尿病的风险增加具有相似的剂量-反应模式。所有四种健康生活方式的结合提供了最大的保护，将死亡率降低了84.5%。结论：在老年人中，坚持健康的生活方式与全因和特定原因死亡风险的显著降低有关。![]()
![]()
二、CNKI数据库
通过CNKI数据库“CHARLS”检索发现，11.17-11.23共发表1篇相关主题论文。![]()
标题：基于安德森模型的农村老年人养老方式选择及影响因素研究——以CHARLS 2020年数据为例研究目的：基于安德森模型，以农村老年人为研究对象，探讨其养老方式选择及影响因素，为制定更贴合农村老年人实际需求的养老政策和服务提供参考。方法：利用CHARLS 2020年数据，纳入451例样本，采用SPSS 26.0进行克鲁斯卡尔-沃利斯单因素非参数检验和多分类Logistic回归，以揭示各因素与农村老年人养老方式选择之间的关系。结果：农村老年人养老方式以家庭养老为主（占76.9%），社区养老次之（占14.9%），机构养老最少（占8.2%）。单因素分析显示，性别、年龄、文化程度、婚姻状况、社交活动、家庭总收入、是否有医疗保险和ADL显著影响农村老年人养老方式选择（P<0.05）。多因素回归分析结果显示，以家庭养老方式为参照，倾向因素中的性别和婚姻状况、需求因素中ADL对农村老年人机构养老选择具有显著性影响（P<0.05），倾向因素中的性别、使能因素中社交活动对于农村老年人社区养老选择具有显著性影响（P<0.05）。结论：我国农村老年人养老方式以家庭养老为主，不同养老方式的选择受到倾向因素、使能因素和需求因素的综合影响，在制定养老政策和服务时，应进一步优化农村社区和机构养老服务，充分考虑老年人的需求差异，提供多元化、个性化的养老选择。三、中华医学杂志数据库
通过中华医学杂志数据库“CHARLS”检索发现，11.17-11.23共发表1篇相关主题论文。![]()
标题：中国老年人午睡时长和夜间睡眠与抑郁症状的关联：基于2020年CHARLS数据的实证分析研究目的：随着我国进入中度老龄化社会，老年人心理健康问题逐年增加，而生活习惯与老年人的心理健康密切相关。探讨我国老年人午睡时长、夜间睡眠与抑郁症状的关系，基于生活习惯角度推荐睡眠时间，为老年人抑郁早期防控提供科学依据。方法：基于2023-11-16公开发布第五轮（2020年）中国健康与养老追踪调查项目（CHARLS），纳入符合研究标准的8 233名为研究对象。采用抑郁评定量表（CSE-D10）评估老年人抑郁症状，午睡时长划分5级：不午睡、<30 min、30~59 min、60~89 min、≥90 min，夜间睡眠分为5级：≥8 h、7~<8 h、6~<7 h、5~<6 h、<5 h。采用多因素Logistic回归分析探究影响老年人发生抑郁症状的因素，随机森林模型分析午睡时长、夜间睡眠在老年人发生抑郁症状中的重要程度，限制性立方样条曲线进一步探索午睡时长、夜间睡眠时长与抑郁症状发生风险之间的剂量-反应关系。结果：2020年调查期间，中国老年人抑郁症状的发生率为24.84%（2 045/8 233）。多因素Logistic回归分析结果显示，午睡时长30~59 min是老年人发生抑郁症状的保护因素（ OR=0.814，95% CI=0.673~0.985， P=0.034），夜间睡眠时间<5 h是老年人发生抑郁症状的危险因素（ OR=1.705，95% CI=1.435~2.027， P<0.001）。女性、未婚/分居/离异/丧偶、失能、身体疼痛、强度体力活动、自评健康状况下降、生活满意度下降、卒中、帕金森病会增加老年人发生抑郁症状的风险（ P<0.05）。随机森林模型显示，午睡时长、夜间睡眠时间对抑郁症状影响的重要性较高。午睡时长与发生抑郁症状之间存在非线性关系（ P nonlinear<0.05），老年人发生抑郁症的风险在午睡时长30 min后随着时间的增加而持续降低，最低水平约为50 min，午睡时长超过75 min后抑郁症状的发生风险会增加。老年人患抑郁症状的发生风险在夜间睡眠6 h后随着时间的增加而持续降低，最低水平约为7 h，睡眠时间超过9 h后抑郁的风险会增加（ P overall<0.05）。结论：中国老年人群抑郁症的患病率较高（24.84%），午睡时长、夜间睡眠的持续时间与抑郁症之间呈J型关系，建议老年人每天午睡30~75 min，适度的午睡时长有效降低老年人发生抑郁症状的风险，同时夜间睡眠6~9 h降低抑郁症状的发生风险，对老年人群抑郁症的早期防控具有一定的意义。
③包括SEER、NHANES、老年健康数据库、GBD数据库等
