不可思议！中国学者用Charls构建预测模型，AUC<0.7依旧发二区！

引言

结果完美才能登高分？今天这篇文章颠覆认知，AUC＜0.7依旧证明性能良好！

研究团队基于Charls数据库，开发并验证了第一个筛查老年人抑郁症状的全国性风险预测模型，并通过三种方法全面评估了该预测模型的临床价值。通常情况下，评估时AUC>7才认为预测模型具有一定的准确性。但本文结果AUC<7，却仍可以发二区文章!

接下来让我们来简单看一下这篇文章。

老年抑郁症是老年人常见精神健康问题之一，严重损害老年患者的生活质量和社会功能。据统计，全球约有7%的老年人患有抑郁障碍，其中10~15%的人显示出临床意义上的抑郁症状（DS）。

开发预测模型可用于动态评估老年人的 DS 风险，进而减少老年人患抑郁症风险。不过，先前研究主要集中在识别与 DS 相关的风险因素上，尚未建立老年人群 DS 的风险预测模型。

2024年9月15日，中国学者在期刊《Journal of Affective Disordersced》（医学二区，IF=4.9）发表了一篇题为：“Development and validation of a nomogram to predict the depressive symptoms among older adults:A national survey in China”的研究论文，旨在开发和验证一种筛查老年人群的 DS 的预测模型，并进一步评估其有效性和临床应用价值。

研究结果表明，筛查老年人抑郁症状的预测模型具有良好的评估性能，可作为预测老年人抑郁症的可靠工具。

本公号回复“ 原文”即可获得文献PDF等资料，如果进一步需要CHARLS数据库方法学习，请联系郑老师团队，微信号：aq566665

研究团队纳入了中国健康与退休纵向研究（CHARLS）数据库 2018 年中 3396 名年龄≥60岁符合条件的参与者，平均年龄为 68.25 岁。其中开发组和验证组分别包括 2379 名和 1017 名参与者。同时，使用CESD-10量表和日常生活活动量表 （ADL）对参与者进行评估。

通过单因素分析选择预测因素，然后使用多因素 logistic 回归建立预测模型。此外，使用受试者工作特征（ROC）曲线、Hosmer-Lemeshow 检验和决策曲线分析 （DCA） 评估该预测模型的区分度、校准度和临床有效性。

图1 本研究中受访者的选择过程流程图

筛选预测因素

单因素分析结果显示，开发组中 DS 组与非 DS 组在性别、居住地、教育程度、高血压、血脂异常、糖尿病、自评健康状况（SRH）和 ADL 残疾方面的差异有统计学意义。

此外，研究团队还观察到性别、居住地、SRH 和 ADL 残疾在验证组中也存在显著差异。

表1 开发组和验证组的基线特征

多因素 logistic 回归结果显示，女性、农村居住地、血脂异常、SRH 一般或较差以及 ADL 残疾者与 DS 呈正相关，并且结果不存在多重共线性。

表2 开发组中抑郁症状预测因子的多变量 logistic 回归分析

评估预测模型

基于 logistic 回归结果，构建了中国老年人 DS 预测模型，包括性别、居住地、血脂异常、自评健康状况和 ADL 残疾 5 个因素。

图2 预测 DS 风险的预测模型

ROC分析结果显示，开发组的 AUC 为 0.684，验证组的 AUC 为 0.687，P 值为 0.754，考虑到预测因素的可用性和成本，研究团队认为该模型具有诊断能力。

图3 开发组和验证组中 DS 预测变量的 ROC 分析

同时，Hosmer-Lemeshow 检验表明模型准确，DCA 表现出良好的临床应用价值。

综上所述，研究团队开发的用于预测老年人群抑郁症状的预测模型，具有良好的预测性能，可作为预测老年人抑郁症的可靠工具。

如果你也对预测模型感兴趣，并且想要通过挖掘数据库实现快速发表高分文章，不妨关注“公共数据库与孟德尔随机化”公众号，我们将持续分享更多高分发文思路和分析的小技巧！

关于郑老师团队及公众号 

全国最大的医学统计公众号平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理

我们开展对临床预测模型、轨迹增长模型、医学免费数据库NHANES、GBD数据库、孟德尔随机化方法1对1R语言指导（一年内不限时间，周末、晚上均统计师一对一指导）。

①指导学习R语言基本技巧

②全程指导课程学习

③课程R语言代码运行bug修复

④支持学员一篇SCI论文的数据分析

1对1R语言指导详情介绍

详情联系助教小董咨询（微信号aq566665）