健康生态学视角下农村空巢老年人抑郁影响因素与机器学习预测模型构建及验证OA

目的:基于健康生态学模型,识别我国农村空巢老年人抑郁的多层次影响因素,并构建可解释的机器学习预测模型。方法:数据来源于中国健康与养老追踪调查(CHARLS)。纳入2018年2856名≥60岁农村空巢老年人作为建模样本,纳入2020年4111名作为外部验证集。采用LASSO回归筛选个体、行为、人际及社会经济层面的变量,构建Logistic回归、XGBoost、支持向量机、随机森林、神经网络及K近邻模型,并通过10折交叉验证比较模型性能。利用SHAP方法解释最优模型,分析变量重要性及非线性关系。结果:XGBoost模型预测性能最佳(AUC=0.765,准确率=0.716)。SHAP分析显示,生活满意度、疼痛和自评健康为最重要影响因素,其次为认知功能和慢性病数量。抑郁风险主要受行为及心理社会因素影响。结论:将健康生态学模型与可解释机器学习相结合,有助于揭示农村空巢老年人抑郁的多层作用机制。构建的XGBoost模型可为抑郁风险的早期识别与个体化干预提供参考。