睡眠时长、抑郁症状与多病发生风险的联合轨迹：一项结合机器学习预测的纵向分析

摘要

背景

睡眠障碍和抑郁症状在老年人中经常同时出现。这两种情况都遵循不同的、随时间变化的轨迹。然而，大多数研究依赖于横断面评估，这限制了关于它们共同纵向演变以及与新发慢性疾病关联的证据。

方法

本研究利用了来自中国健康与退休纵向研究（CHARLS）的3,221名参与者（年龄≥60岁）的数据。通过2011年至2018年的重复测量数据构建了基于群体的多轨迹模型（GBMTM），以识别睡眠时长和抑郁症状的异质性联合轨迹。Cox比例风险模型评估了与13种新发慢性疾病和多病状态的关联。此外，应用了一个包含七种算法的机器学习框架来识别高风险轨迹的基线预测因子，随后通过SHAP分析来提高模型的可解释性。

结果

参与者的平均年龄为65.80±4.93岁。我们确定了四种联合轨迹：正常稳定的睡眠和低稳定的抑郁（24.46%）、短暂稳定的睡眠和低稳定的抑郁（27.17%）、正常增加的睡眠和中等增加的抑郁（25.00%）以及短暂减少的睡眠和高增加的抑郁（23.38%）。其中，“短暂减少的睡眠和高增加的抑郁”轨迹的风险最高，尤其是在记忆相关障碍（HR=3.08）、中风（HR=2.56）和多病状态（HR=1.97）方面。XGBoost和ANN取得了最佳的预测性能（AUC=0.805），身体疼痛和认知功能被确定为主要预测因子。

结论

睡眠时长减少和抑郁症状加重的轨迹与老年人多病状态和各种慢性疾病的风险增加有关。这些发现强调了整合睡眠和抑郁症状监测对于慢性疾病预防的必要性。此外，早期筛查身体疼痛和认知衰退可能有助于及时识别高风险个体，并为有针对性的精准干预提供信息。

图形摘要

此图像的替代文本可能是由AI生成的。