抑郁症是全球残疾的主要原因，中年和老年人受到的影响尤为严重，全球人口正在迅速扩大。
为了更好地了解这个年龄段的人患上抑郁症(通常称为抑郁症)的原因，科罗拉多州立大学人类发展与家庭研究系助理教授 Stephen Aichele 和他的团队使用机器学习方法来分析来自一个庞大的、具有人口代表性的欧洲中年和老年人样本。
这是使用这种方法比较晚年抑郁症的众多风险和保护因素的极少数研究之一，并且可能是第一个在这一人群中如此广泛地应用它的研究(有 18 个欧洲国家和 56 个风险和保护因素)检查的因素)。
抑郁症的危险因素
在检查的 56 个变量中，Aichele 和他的团队发现，对于男性和女性来说，社会孤立是抑郁症的主要风险因素，其次是一般的健康状况不佳和行动不便。
最近的其他研究已将社会隔离确定为老年人抑郁症的关键风险因素，但 Aichele 和他的团队还研究了与参与者社交网络和家庭配置的特定维度相关的 30 个变量，例如联系频率、朋友数量，以及与身体护理和经济支持有关的人际交往。
“这与联系的频率或你有多少朋友无关，”Aichele 说。“这更多的是与你在情感上最亲近的人的身体接近，无论是你的配偶、伴侣还是其他主要的社会关系。”
对于男性来说，第四个关键风险因素是日常生活中的工具性活动有困难，例如管理财务、服药和打电话。对于女性来说，第四个关键风险因素是家庭负担——强烈同意“家庭责任妨碍我做我想做的事情”的女性患抑郁症的风险较高。然而，这些性别特异性因素仅占抑郁风险差异的一小部分。
“老年女性的抑郁症患病率大约是老年男性的两倍，”Aichele 说。“然而，两者都出现了相同的主要风险因素(社会孤立、健康状况不佳、行动不便)。至少通过这项研究，这种差异的原因尚未得到解决。”
认知和健康分析
Aichele 实验室的研究集中在使用先进的统计方法来了解中年之后与年龄和疾病相关的认知和心理健康变化。Aichele 首次发表的使用机器学习的研究表明，与年龄相关的老年人信息处理速度的下降与死亡风险密切相关——其预测效果与了解一个人的吸烟史相当。
最近，Aichele 及其同事使用“双变量潜在变化评分模型”(一种时间序列分析)来表明，在特定年龄，较低的记忆力和解决问题的能力会可靠地出现在老年人抑郁症状增加两到三年之前。
“如果我们能够及早发现认知能力下降，可能会有一个时间窗口来防止相关的抑郁症风险增加，”Aichele 说。“接下来就是弄清楚哪些因素会加剧或减轻认知丧失对抑郁症的影响。”
作为朝着这一目标迈出的一步，Aichele 和他的团队再次使用机器学习方法，即随机森林分析 (RFA)，使用欧洲健康、老龄化和退休调查 (SHARE) 的数据来比较抑郁症的风险和保护因素。
研究参与者的年龄从 45 岁到 105 岁不等，代表 18 个欧洲国家。SHARE 数据涵盖广泛的社会人口、健康相关、经济和认知变量。重要的是，SHARE 还包括对参与者关系网络的多种测量。
“我们希望针对抑郁症的各种风险和保护因素，”Aichele 说。“而且我们认为，鉴于自我报告的社会孤立可能与某些因素的联系比其他因素更密切，研究社会和关系支持的不同方面尤为重要。”
选择 RFA 方法进行分析是因为它在风险因素重要性的排名中考虑了风险因素之间潜在的复杂相互作用(例如，记忆问题和社会互动质量之间)。
“传统的统计方法不适合全面测试这种复杂的关联，”Aichele 说。