点击预约周四直播哦![]()
Charls 资深挖掘专家发来信息「大家还没发现 Charls 数据库的优势？多中心队列研究是它非常大的特点！」我只回复了一句「原谅他们吧，他们是还不会的小趴菜啊！多中心，队列研究，他们哪懂啊啊啊啊」概念：CHARLS 数据库是老龄化数据库，包含中国 45 岁及以上人群数据，覆盖 150 个县级单位，450 个村级单位，包含 1.7 万人数。
数据：涵盖 10 大模块数据，涉及数据广泛，个人基本信息，家庭结构和经济支持，健康状况，体格测量，医疗服务利用和医疗保险，工作、退休和养老金、收入、消费、资产以及社区基本情况等。谁可以挖 Charls：覆盖 20 个科室，快来锁定可以做的疾病👇![]()
在第二部分展开文献解读之前，给大家上一个 CHARLS 直播福利![]()
⏰ 1 月 16 日，丁香科研邀请金牌讲师水衡老师做一场免费直播：一篇北京大学公共卫生学院刘珏教授团队发表于柳叶刀（ 13.2 分）上，题为《 The associations of socioeconomic status, social activities, and loneliness with depressive symptoms in adults aged 50 years and older across 24 countries: findings from five prospective cohort studies 》的前瞻性队列研究文章。文章使用 CHARLS 数据库联合国际其他三个大型数据库分析了社会经济地位、社会活动和孤独感对抑郁症的影响，为重新识别和应对老年人心理健康问题提供了新的视角。抑郁症已成为全球疾病负担，是精神健康障碍导致死亡的主要原因。在日常生活中，大多数人的日常行为（如吸烟、饮酒和体育活动）都会受到其社会经济地位的影响。作者想，社会经济地位与社会活动与孤独感之间可能存在潜在的相关性。数据来自五大老龄化数据库：CHARLS、 HRS、 ELSA、 SHARE、MHAS，所有这些队列都包含了参与者社会经济地位、社交活动、孤独感和抑郁症的相关数据。在该研究中，社会经济地位使用家庭收入、教育和就业状况来衡量。其中，家庭收入被分为最低、更低、更高和最高；教育被归类为低于高中、高中或高等教育；就业状况被归类为失业、在职或退休。为了构建表明社会经济地位的综合指数，研究人员采用了基于家庭收入水平、教育水平和就业状况的潜在类别分析。同时， 研究人员在调查中使用不同的量表对抑郁症症状进行了评估。其中， HRS 、ELSA 和 MHAS 使用八项流行病学研究中心抑郁量表 （ CES-D ）；10 项 CES-D 用于 CHARLS ；12 项 EURO-D 用于 SHARE 。此外，该研究中，社交活动被定义为受访者参与的社会群体数量，并根据受访者是否参与至少一个社会群体被分为社交活跃 [编码为 0 ] 和社交不活跃 [编码为 1 ]两类。最后，研究人员将人口统计学特征 （年龄、性别和婚姻状况）、生活方式因素 （ BMI 、吸烟、饮酒和身体活动） 和健康状况 （非传染性疾病的数量） 确定为潜在的混杂因素和协变量。并使用 DAGitty 工具创建理论模型。1、使用连续变量的中位数 （ IQR ） 和根据社会经济地位群体的分类变量频率和百分比来描述基线特征，并对每个研究队列进行了主要分析，然后合并分析结果。
2、使用 Cox 比例风险模型估计风险比 （ HRs ） 和 95% CI ，以调查社会经济地位与抑郁之间的关系。
图片来源：文献截图
3、使用四次敏感性分析来测试调整所有协变量后结果的稳定性。首先，研究人员使用分类变量 （年龄组）评估年龄，并使用连续变量评估孤独度。其次，研究人员只纳入了在选定的时间跨度内在每次调查的第一波中接受评估的参与者，以设计固定的队列并使用权重来估计效应大小。第三，研究人员使用多重插补方法来填补协变量的缺失数据，对连续变量使用预测均值匹配方法，对分类变量使用分类和回归树方法。第四，研究人员使用了竞争性风险模型，将死亡作为抑郁症状的竞争风险。
4、经济地位与社会活动和孤独感对抑郁症状的交互作用包括加法和乘法效应。加性效应是指仅由每个因素引起的风险之和，乘法效应表示仅由每个因素引起的风险的乘积。
本研究共纳入 69160 名参与者，其中 HRS 队列 9496 名，ELSA 队列 5803 名，SHARE 队列 42342 名，CHARLS 队列 6296 名以及 MHAS 队列 5223 名。在纳入的 69160 名参与者中，31524 名 （ 45.6% ）社会经济地位高， 37636 名（ 54.4% ）社会经济地位低。50 岁及以上社会经济地位低下的老年人比例因国家而异，从瑞士的 20.5% 到捷克共和国的 86.7% 不等。参与者的中位年龄为 64 岁，女性占比 51.2% ，男性占比 48.8% 。![]()
图片来源：文献截图
老年人的人口统计学特征、生活方式和健康状况在对照组（高社会经济地位）和暴露组（低社会经济地位）之间存在显著差异。女性参与者和受教育程度或家庭收入水平较低的人群、失业人群、不参与社交活动的人或孤独的人更有可能具有较低的社会经济地位。在 349576 人年（中位 5 人年）的总随访中，共有 20237 名参与者患上抑郁症，合并发生率为 7.2 /100 人年（ 95% CI 4.4-10.0 ），从 HRS 队列的 3.8/100 人年到 MHAS 队列的每 100 人年 11.9 人。低社会经济地位独立地增加了患抑郁症的风险，调整后的 HR 为 1.34 （ 95% CI 1.23–1.44、I2=78.4% ）。在亚组分析中，低社会经济地位对抑郁症的负面影响在 60~69 岁的年龄段、男性参与者、患有一种或多种非传染性疾病、社交活跃的人以及没有孤独感的人群中较为显著。结果显示社会经济地位和孤独感与抑郁之间存在很强的乘法交互作用（合并校正 HR ：95% CI 0.79–0.90；I2=0% ）。具体来说，在 HRS （孤独）中观察到社会经济地位、社会活动和孤独与抑郁的加性相互作用，在 ELSA （社会活动）和 SHARE （孤独）中发现了乘法相互作用。在中介分析中，社会经济地位与抑郁之间的关联比例为 6.12% （ 1.14 - 28.45 ），孤独感为 5.54%（ 0.71 - 27.62 ）。在五个队列中，中介比例各不相同，社交活动的中介比例从 1.27%（ HRS ）到 14.86%（ CHARLS ），孤独感的中介比例从 2.30%（ CHARLS ）到 11.58%（ ELSA ）。在合并分析中，与对照组（高社会经济地位、社交活跃且不孤独）相比，社会经济地位低、社交不活跃和孤独的人群患抑郁症的风险最高（合并调整后 HR 2.45 、2.08~2.82 、I2=78.0% ）。社会经济地位低、社交不活跃和孤独的群体患抑郁症的风险显著高于其他群体。1、使用了来自 24 个国家和地区的大样本数据使得本文数据非常详实、研究结果更为可信。2、 选择了全球老龄化这一热点话题，并联合多个老年人群队列，研究角度贴合当下实际，增加了本文的看点。3、选择了社会经济地位，社会活动和孤独与抑郁症之间关系进行队列分析，首次提供了上述三个因素对抑郁症的综合影响。1、文章通过 24 个国家的五个代表性调查研究，提供了跨国比较的视角。
2、文章使用多种工具来评估抑郁症状，有助于增强结果的可靠性和有效性。
3、在合并不同国家和地区的数据时使了用随机效应模型，这考虑了到不同国家之间的异质性，提供了更为准确的研究结果。同时，文章通过中介和调节分析探讨了不同变量之间的复杂关系，这种分析方法对于理解变量间的动态关系至关重要。
4、文章使用潜在类别分析来帮助识别在队列中存在的未观察到的亚群，可以提高分类准确性，从而识别难以观察到的亚型，同时克服传统因子分析（ FA ）难以实现被试分组的局限，避免了局部独立性假设可能带来的误差。最后，还可以用来检验测量不变性从而更好帮助研究人员进行跨群体比较研究。
