4.9/Q1，Charls最新文章解读！

文章题目：A case for the use of deep learning algorithms for individual and population level assessments of mental health disorders: Predicting depression among China’s elderly

DOI：10.1016/j.jad.2024.09.147

中文标题：使用深度学习算法对个体和人群进行心理健康障碍评估的案例：预测中国老年人的抑郁症

发表杂志：J Affect Disord

影响因子：1区，IF=4.9

发表时间：2025年1月

今天给大家分享一篇在 2025年1月发表在《J Affect Disord》（1区，IF=4.9）的文章。本研究采用一种新颖的机器学习（ML）方法，以中国大型代表性老年人数据库为样本，从整体和个体层面预测老年人口抑郁症的危险因素。

研究方法：使用机器学习算法对符合纳入标准的中国健康与养老追踪调查（CHARLS）第四期研究对象的研究结果进行分析，采用10项流行病学研究中心抑郁量表（CESD-10）评估抑郁程度。

Table&Figure

结果解读：本研究发现了预测中国老年人群抑郁症的 5 个重要因素，包括平均睡眠时间、性别、年龄、社交活动和白天午睡时间。研究结果还提供了可靠的个人诊断可能性，以支持临床医生确定导致患者抑郁的最重要因素。我们的研究结果还表明，与朋友互动、打麻将、下棋或加入社区俱乐部等活动可能对老年人的心理健康产生积极的协同作用。

结论：整体方法是推导和解释老年人心理健康复杂模型的有效方法。有关患者人口统计、病史、睡眠模式和社交/休闲活动的更多详细信息有助于在人口和个人层面上为政策和治疗干预提供信息。诸如 CHARLS 之类的大规模调查是测试最准确模型的有效方法，但是，使用专业临床输入的进一步研究可以进一步推动该领域的发展。 

大家在科研路上，可以借鉴这种研究方法，为自己的课题添砖加瓦。万层高楼平底起，一起加油呀！