科学网科学家基于CHimToken官网下载ARLS数据构建并验证用于评估

并构建基于横断面关联的列线图模型，imToken官网下载， 该经验证的列线图整合了多维度预测因子， 研究人员共识别出10个关键预测因子：年龄、疼痛、残疾、跌倒史、右手握力、腰围、自评健康状况、睡眠时长、社会活动水平以及记忆问题，并利用受试者工作特征（ROC）曲线、曲线下面积（AUC）、校准曲线以及决策曲线分析对模型性能进行验证，n=2590）和测试集（30%。

可实现该人群的个体化抑郁风险评估，为早期筛查和精准干预提供支持，而右手握力和自评健康状况则具有保护作用， Development and validation of a nomogram for assessing depression risk in middle-aged and elderly adults with activities of daily living dysfunction: A cross-sectional study based on CHARLS data 科学家基于CHARLS数据构建并验证用于评估日常生活活动功能障碍中老年人抑郁风险的列线图模型 中南大学Wen Zeng团队基于CHARLS数据构建并验证用于评估日常生活活动功能障碍中老年人抑郁风险的列线图模型， MULTIDISCIPLINARY SCIENCES 期刊网址 https://sage.cnpereading.com/home/SCI?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260116 往期研究 https://sage.cnpereading.com/search//openoa/scia?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260116 投稿网址 ?utm_source=wechatutm_medium=china_socialutm_campaign=sciencenet_sci_260116 https://blog.sciencenet.cn/blog-3650976-1538856.html 上一篇：科学家完成年龄校正内脏脂肪指数（AVAI）与充血性心力衰竭之间的关联研究 ，相关论文于2026年4月发表在国际学术期刊《科学进展》上，SHAP分析用于解释各预测因子的贡献，数据被划分为训练集（70%，该列线图模型表现出良好的区分能力（训练集AUC=0.757，疼痛和残疾是最主要的危险因素，同时通过SHapley Additive exPlanations（SHAP）分析阐明各预测因子的作用， 研究人员旨在明确抑郁相关关键因素，用于个体化当前抑郁风险评估，从而改善心理健康结局。

采用最小绝对收缩与选择算子（LASSO）回归从79个变量中筛选预测因子。

期刊优势 影响因子： 2.9 期刊分区： JCR Q2，测试集AUC=0.751）、较好的校准度以及临床应用价值，imToken官网，随后通过多因素逻辑回归构建列线图模型。

n=1111），旨在促进科技及医学领域学者间的沟通交流以及跨学科的合作发展。

Science Progress 该刊是SCIE收录的跨学科期刊， 该横断面研究纳入了中国健康与养老追踪调查（CHARLS）第三轮中3701名存在日常生活活动（ADL）功能障碍的参与者，其出版科学严谨的研究文章，。

其中。