社區老年人認知障礙風險預測模型的構建與驗證研究

【摘要】背景隨著人口老齡化程度的持續加深，認知障礙發病率越來越高，但目前尚缺乏有效治療方法，構建精準的風險預測模型可以幫助社區醫護人員早期識別、預警與干預潛在患者，減輕社會醫療壓力。目的構建社區老年人認知障礙風險的預測模型，分析老年人認知障礙的影響因素，為制定針對性的干預措施提供實證參考。方法于2024年4月，在中國健康與養老追蹤調查（CHARLS）2020年數據庫中選取 ?60 歲老年人為研究對象L n=7334. ），收集其社會人口學特征及健康狀況和行為、日常生活活動能力（ADL）、抑郁、認知功能數據。以 7：3 的比例隨機分為訓練集（ n=5 133 ）和驗證集（ n=2 201 ），采用LASSO回歸十折交叉驗證法篩選最佳預測變量，采用Logistic 回歸分析老年人認知障礙影響因素，并構建列線圖，采用受試者工作特征（ROC）曲線下面積、校準曲線等評估預測模型的性能。結果老年人的認知障礙檢出率為 14.48% （1062/7334）。LASSO回歸篩選出9個潛在預測變量，分別為性別、年齡、受教育程度、婚姻狀況、居住地類型、運動、社交、ADL、抑郁。多因素Logistic 回歸分析結果顯示，年齡［以60～69歲為參照，70～79歲的 OR（95%CI）=1.238（1.109～1.504） ， ?80 歲的 OR（95%CI）=2.231（1.546～3.222）.7 受教育程度[以文盲為參照，小學及以下的 OR（95%CI）=0.209（0.173～0.254） ，初中的 OR（95%CI）=0.059（0.038～0.090） ，高中/職高的OR 95%CI ） =0.043 （0.021～0.089），大專及以上的 OR （ 95%CI ） τ=0.038 （0.005～0.280）」，婚姻狀況［以有配偶為參照，無配偶的OR（ 95%CI ） =0.691 （0.562～0.851）」，居住地類型［以城市為參照，農村的OR（ 95%CI ）=2.144 （1.617～2.842）」，社交［以無社交為參照，有社交的OR（ 95%CI ） =0.746 （0.624～0.892）」，ADL［以無障礙為參照，有障礙的 OR（95%CI）=1.529（1.171～1.997）}， ，抑郁以無抑郁為參照，抑郁的 OR（95%CI）=1.580（1.319～1.891） 一是認知障礙的影響因素（ Plt;0.05 ）。依據多因素Logistic回歸分析篩選出的7個預測變量，建立預測模型。預測模型在訓練集和驗證集的ROC曲線下面積分別為0.821（ 95%CI=0.805～0.836 ）和0.839（ 95%CI=0.817～0.861 ）；Hosmer-Lemeshow檢驗 x²=5.022 （ _P=0.755 ）和 χ²=3.963 （ P=0.860 ）；校準曲線顯示預測值和實際值之間存在顯著一致性。結論本研究建立了包含年齡、居住地類型等共7個指標的社區老年人認知障礙風險預測模型，預測模型準確度和區分度均較好，可用于預測老年人認知障礙的發生風險。

【中圖分類號】 R 741 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0451

【Abstract】BackgroundWith the further aging of the population，the incidence of cognitive impairment is increasing，and thereisalackof efective treatments.Theconstructionof anaccuraterisk prediction modelcanbeused to help communityhealthcare workers toidentify，warnand intervene with potentialpatientsatanearlystage，andtoreducethe presure onsocialhealthcare.ObjectiveThisstudyaims toconstructapredictionmodelfortheriskofcognitiveimpairmentinolderadults inthecommunity，analyseteinfluencingfactorsofcognitiveimpairmentinlderadults，andprovideempiicalreferencesforthe development of targeted interventions.MethodsIn April 2O24，elderly people aged ?60 years were selected from the China Health and Retirement Longitudinal Survey（CHARLS）2O2O database（ n=7 334 ），and their socio-demographic characteristics and dataontheir health status and behaviours，activities of daily living（ADL），depresion，andcognitive abilities were collected. They were randomly divided into a training set（ n=5 133 ）and avalidation set（ n=2 201 ）in a ratio of 7：3 Thebestpredictor variables werescreened usingLASSOregresson ten-foldcross-validation，thefactors influencingcognitive impairmentinlderadultswereanalysedusingLogisticregresion，andnomagramwereconstructed，andtheperformanceofthe predicionmodelwasasssedusing theareaunderthecurveofthesubjectworkcharacteristics（ROC）curvesandtheanalysisof thecalibrationcurves.ResultsThedetectionrateofcognitive impairment inolder adults was14.48%（1O62/7334）.LASO regressionscreenednine potential predictorvariables，which wereage，typeofresidence，maritalstatus，gender，education， exercise，society，activityofdailyliving，anddepresion.TheresultsofmultifactorialLogisticregressionanalysisshowedthat age[OR（95%CI）=1.238（1.109-1.504）for 70-79 years old and OR（95%CI） = 2.231（1.546-3.222） for ≥ 80 years oldusing 60-69 years old asareference]，type of residence[OR（95%CI）=2.144（1.617-2.842）forruralusing urban as a reference]，marital status ?OR（95%CI）=0.691（0.562-0.851 ）for no spouse，using spousal asa reference]，education[OR （ 95%CI ）=0.209（O.173-O.254）for primaryschoolandbelow，usingiliteracyasareference，andfor junior high school OR （95%CI）=0.059（0.038-0.090），OR（95%CI）forhigh schol/vocational high school=0.043（0.021-0.089），and OR （ 95%CI ）for college and above=0.038（O.0o5-0.280）]，and society［with no society as a reference，and OR （ 95%CI ） with society=0.746（0.624-0.892）]，ability to performADL[OR（95%CI）=1.529（1.171-1.997）with noimpairment as areferenceandOR（95%CI）=1.580（1.319-1.891）with impairment]，and depresion[OR（95%CI）=1.580（1.319-1.891） with no depression as a reference and OR （ 95%CI ）=1.580（1.319-1.891）with depression]were the influencing factors of cognitive impairment （ P lt;0.05）.Based on the seven predictor variables screened by multifactor Logistic regression analysis， a prediction model was established.The areas undertheROCcurves ofthe prediction model inthetraining and validation sets were 0.821（95%CI=0.805-0.836）and 0.839（95%CI=0.817-0.861），respectively；the Hosmer-Lemeshow test χ² =5.022 （ P =0.755）and χ² =3.963（ P=0.860 ）；calibration curves showed significant agreement between predicted and actual values. ConclusionInthisstudy，apredictionmodelfortheriskofcognitiveimpairmentincommunity-dwelingolderadultscontaining atotal of seven indicators，including age，residence，and soon，was established，andthe prediction model had good accuracy anddifferentiation，which can be used to identifythe risk of developing cognitive impairment in older adults.

【Key words】 Cognition disorders；Aged；Prediction model；Nomograms；Root cause analysis

第七次全國人口普查數據顯示，我國 ?60 歲老年人數量已達到2.64億，占全國總人口的 18.7%^[1] 。老年群體面臨的健康挑戰日益嚴峻，老年失智癥問題尤為引人關注，我國失智癥患者占全球近 1/4^[2] ，預計到 2050年，失智癥患者數量將增至3000萬例[3]。失智癥具有起病隱匿、緩慢進展的特點「4」，被視為一種無法治愈的慢性病。認知障礙是從正常老化向失智過渡的中間狀態[5]，《2018中國癡呆與認知障礙診治指南》將認知障礙定義為一種綜合征，表現為后天性的認知功能損傷，顯著影響個體的日常生活自理、學習吸收、工作表現及社會互動能力「。我國每年新確診的認知障礙病例超過36萬例，預計到2060年，累計患者人數將增長至4868萬例[7]。認知障礙目前尚無有效的治療方法，應及早識別認知功能的減退跡象并采取相應的干預策略，以延緩認知障礙進程，進而減少失智癥的發生，提高老年人生活質量。社區作為居民日常生活的核心區域，為有記憶問題的個人營造熟悉且關懷的環境，成為認知障礙患者尋求幫助的首要選擇[8]。在社區層面積極開展早期評估和篩選工作，識別潛在的老年認知障礙高風險群體，對于應對健康老齡化，提高社區養老水平具有重要意義。已有研究多依賴自我收集的數據開展，如：WANG等[9通過收集1099名老年人的臨床資料，采用LASSO回歸和Logistic回歸分析構建預測模型，但納入指標過于寬泛，亟須進行更細致的篩選；PANDHITA等［1°]分析了212名老年人的數據，在Logistic回歸中識別出4項危險因素，并基于此構建了決策樹模型，但受限于較小的樣本量，該模型的可推廣性不強。此外，目前的認知障礙預測模型多集中在特定地區[1I-13]，適用性仍需進一步驗證。因此，本研究利用中國健康與養老追蹤調查（ChinaHealthandRetirementLongitudinalStudy，CHARLS）這一高代表性數據，構建社區老年人認知障礙發生風險的預測模型，旨在為社區老年人認知障礙的風險預測提供更新、更具有實用性的工具，也為早期識別與預防社區老年人認知障礙提供理論依據。

1 對象與方法

1.1研究對象

于2024年4月下載CHARLS的2020年隨訪數據[14]納入年齡 ?60 歲，并排除年齡、認知功能評估等關鍵信息缺失的數據，最終納入符合研究要求的老年人數據7334份，按照 7：3 的比例隨機分為訓練集（ n= 5133）與驗證集（ n=2201 ）。

1.2 研究方法

本研究以認知障礙為因變量，根據既往研究及相關性分析結果選取可能使結果產生偏差的變量[15-17]，并將可預測變量分為社會人口學特征及健康狀況和行為、日常生活活動能力（activitiesofdailyliving，ADL）、抑郁3個部分。

1.2.1社會人口學特征及健康狀況和行為。社會人口學特征指標包括性別、年齡、受教育程度、婚姻狀況、居住地類型，健康狀況和行為指標包括吸煙、飲酒、運動、社交、自評健康狀況、患慢性病情況。其中，吸煙根據條目“現在還在吸煙，還是已戒煙？”判斷，以“仍然抽煙”為吸煙，以“戒煙”“從未吸過煙”為不吸煙。飲酒根據條目“在過去1年喝酒嗎，包括啤酒、葡萄酒、米酒、黃酒／白酒、藥酒等？喝酒頻率如何？”判斷，以回答“喝酒，每月超過1次”“喝酒，但每月少于1次”為喝酒，以回答“什么都不喝”為不喝酒。自評健康狀況根據條目“您認為您的健康狀況怎樣？”判斷，選項包括“很好”“好”“一般”“不好”“很不好”。患慢性病情況根據條目“是否有醫生曾經告訴過您患有以下慢性病”判斷，納入病種包括高血壓、血脂異常、糖尿病或血糖升高等14種，以患任一種慢性病為患病。社交根據條目“過去1個月是否進行了下列社交活動”判斷，納入活動包括串門、跟朋友交往、打麻將、下棋、打牌、去社區活動室等8種，以參加至少1項為有社交。1.2.2ADL。采用ADL量表評估老年人的日常活動功能，包括軀體日常生活自理能力量表（PhysicalSelfMaintenanceScale，PSMS）和工具性日常生活能力量表（Instrumental Activities of Daily Living，IADL）［18]。該評估基于功能獨立性測量標準（functional independencemeasure，FIM），每項任務評分為7.0、6.0、4.0、1.5分，匯總各單項得分即構成ADL總分。將ADL能力劃分為兩大類別：總分 ?72 分者被視為存在日常生活功能的完全或條件性依賴（即ADL障礙）；總分 ?72 分者被歸類為日常生活功能的完全或條件性獨立（即非ADL障礙）[19]

1.2.3抑郁。采用10項簡版流調中心抑郁量表（ShortVersion of Center for Epidemiological StudiesDepressionScale，CES-D-10）［20]評定，抑郁水平的評估基于對10個特定問題的回答，每個問題都有4個選項，按照0～3分計分。得分范圍為0～30分，總分≥10分為抑郁[21]。1.2.4認知功能，包括情景記憶和執行功能兩方面[22]情景記憶是通過記住和之后回想10個無關聯的中文詞來測試，即時和幾分鐘后的回憶準確度決定分數，共10分；執行功能測試包括確認年月日、季節、星期幾、做5個從100連續減7的算術以及模仿畫圖，共11分。最后，將這兩部分的分數相加來評價整體認知功能，總分為0～21分，分數越高表明受試者認知功能越好。本研究將總分 lt;6 分定義為有認知障礙［23]

1.3 統計學方法

采用SPSS26.0和 R4.4.0 軟件進行數據分析和繪圖。計數資料以頻數和百分數表示，采用 χ² 檢驗。在訓練集進行模型的構建與擬合，在驗證集進行模型性能的評估。基于LASSO（least absolute shrinkage and selectionoperator）回歸篩選最佳預測變量，采用Logistic回歸模型篩選出影響認知障礙的獨立影響因素并構建預測模型。采用受試者工作特征（receiveroperatingcharacteristic，ROC）曲線下面積評價模型的預測效果，以靈敏度、特異度驗證模型的預測效能，繪制校準曲線評估模型的擬合優度，根據實際使用的邏輯回歸結果進行模型構建并繪制列線圖將結果可視化。以 Plt;0.05 為差異有統計學意義。

2結果

2.1老年人的一般資料及認知障礙發生情況

7334例老年人中，男3826例（ 52.17% ），女3508例（ 47.83% ），認知障礙檢出率為 14.48% 0 ?1062/7334 ）。訓練集和驗證集的性別、年齡、受教育程度、婚姻狀況、居住地類型、吸煙、飲酒、運動、社交、自評健康狀況、患慢性病、ADL及抑郁情況比較，差異無統計學意義（ Pgt;0.05 ），見表1。

2.2基于LASSO回歸篩選變量

以老年人是否發生認知障礙為因變量，共納入13個自變量，各變量賦值情況見表2。因存在年齡、受教育程度、自評健康狀況3個多分類變量，故實際納入的自變量多于原始自變量數量。采用LASSO回歸10折交叉驗證法篩選變量，系數為非0時具有意義，選擇距離最小偏差1個標準誤對應的正則化參數（入）為最優 λ ，即lambda.lse，見圖1。結果顯示，最優 λ=0.016 7 ，在此入下共包括性別、年齡、受教育程度、婚姻狀況、居住地類型、運動、社交、ADL、抑郁9個潛在預測變量。

2.3 多因素Logistic回歸分析結果

以是否有認知障礙為因變量，將LASSO回歸篩選出來的9個變量納入多因素Logistic回歸分析，各變量賦值情況見表2。結果顯示，年齡、受教育程度、婚姻狀況、居住地類型、社交、ADL、抑郁是老年人認知障礙的影響因素（ Plt;0.05 ），見表3。

2.4列線圖預測模型的構建

根據Logistic回歸分析篩選出的7個變量構建列線圖預測模型，老年人可通過7項指標在列線圖上自我評估，根據7個指標的總分，在概率直線上確定位置，即可得認知障礙的概率，見圖2。

2.5 預測模型的驗證

分別用訓練集和驗證集的數據對該模型進行評價和內部驗證。ROC曲線分析結果顯示，訓練集和驗證集的曲線下面積分別為0.821（ 95%CI=0.805～0.836 ）和0.839（ 95%CI=0.817～0.861 ），表明模型具有較好的區分度，見圖3。最佳截斷值分別為0.144和0.146，靈敏度分別為0.730和0.750，特異度分別為0.761和0.770，表明該模型預測效能較好；Hosmer-Lemeshow檢驗 x²=5.022 （ P=0.755 ）和 x²=3.963 （ P=0.860 ），表明該模型擬合度較好。同時，兩個集合上的校準曲線Brier分數分別為0.100和0.095，預測概率的準確性較高，即模型預測結果與實際觀測結果非常接近，見圖4。以上驗證顯示，該模型在預測老年人認知障礙發生概率時，與實際情況呈現出高度的一致性，即該模型區分能力和校準性能都較好。

表1訓練集和驗證集的相關資料比較［例 （% ）]

Table1 Comparison of information related to the training and validation sets

注： ADL= 日常生活活動能力。

表2變量賦值情況Table2Variable assignment

3討論

3.1老年人認知障礙現狀

研究顯示，中國擁有全球最大老年認知障礙群體[24]。

表3老年人認知障礙影響因素的Logistic回歸分析 Table3Logistic regression analysis of factors affecting cognitive impairment inolderadults

PRINCE等［25］的研究表明，中國 ?65 歲人群的認知障礙發病率為（17.7～24.0） /1 000 人年，本研究中老年人認知障礙發病率為 14.48% ，出現差異的可能原因是納入標準及采取的研究方法不同。嚴重的認知障礙可逐步演變成失智癥，而失智癥不僅影響老年人生活質量，還嚴重阻礙了健康老齡化的進程，對個人、家庭乃至整個醫療保健體系構成了重大挑戰［26-27]。因此，構建社區老年人認知障礙預測模型，以早期識別老年人認知障礙風險群體尤為重要。本研究基于年齡、受教育程度、婚注：圖A為13個變量的系數曲線，圖B為10折交叉驗證對最佳變量的篩選；圖B中左豎線為lambda.min，右豎線為lambda.lse姻狀況、居住地類型、社交、ADL和抑郁等因素構建社區老年人認知障礙風險預測模型。

圖1基于LASSO回歸的潛在預測變量選擇

Figure1Potential predictorvariableselectionforLASSO regression

圖2老年人認知障礙風險因素列線圖

Figure2Linegraph of risk factorsforcognitiveimpairmentinolderadults

3.2老年人認知障礙的影響因素分析

3.2.1社會人口學因素。本研究結果顯示，年齡越大發生認知障礙的可能性越大，與以往研究結果一致［28]。隨著年齡的增加，腦部功能自然減退，大腦對葡萄糖利用效率降低，進而導致認知功能受損［29]，使得老年人發生認知障礙的風險增加；城鄉差距增加了認知障礙的發生風險，相關研究發現，相較于居住在城市的老年人，農村地區的老年人在認知障礙的識別中顯示出更高的比例[30]，居住在城市的老年人受環境的影響可以獲得更為充足的社會資源和更強的支持體系[31]，發生風險低于農村老年人。既往研究表明，沒有配偶的老年人認知障礙發生風險是有配偶老年人的57.8倍[32]，婚姻狀況作為影響認知障礙的關鍵因素，老年人無配偶可能會導致個人情緒消沉，進而降低其認知功能[33]，使得無配偶的老年人發生認知障礙的風險高于有配偶的老年人。越來越多的研究證明，教育水平與認知功能存在著密切聯系［34-35]。受教育程度越高的老年人發生認知障礙的風險越低，這是由于經常從事腦力活動，習慣性閱讀和學習促進了大腦活躍，增強了腦細胞連接，延緩了大腦衰老，有利于保持良好的認知功能［36]。建議社區醫護人員實施全面的早期篩查計劃，針對老年人群，尤其是高齡者，關注農村地區與無配偶、教育水平較低的個體，利用簡便認知測試工具，結合醫療衛生資源，提供心理健康教育、社交活動及認知訓練，增強家庭支持網絡，促進老年友好環境建設，旨在早發現、早干預認知功能下降，緩解城鄉、婚姻及教育帶來的不平等影響。

3.2.2健康狀況和行為因素。有研究表明，參加社交活動是認知障礙的保護因素，有社交活動的老年人認知障礙發生率低于無社交活動者[37]，這與本研究結果一致。經常參加社交活動的個體思維活躍[38]，有利于降低老年人認知障礙的發生。伴有抑郁癥狀的老年人伴有抑郁癥狀常會經歷長時間的心情低落[39]，情緒化致使老年人社交積極性降低，導致認知刺激匱乏［40]，進而增加認知障礙的發生風險。建議社區醫護人員鼓勵老年人豐富社交活動，監測并促進心理健康，特別是抑郁癥狀的管理，增強健康意識，結合早期認知篩查，綜合干預，以積極的生活方式防范認知障礙。

3.2.3ADL。有ADL障礙的老年人比無障礙的老年人更易發生認知障礙，與既往研究結果一致［41]。ADL下降減少了老年人的社交和生活參與能力，降低了對大腦的刺激［42]，進而可能會導致認知障礙的發生。建議社區醫護人員重視老年人日常活動參與能力，早期識別活動能力下降跡象，積極防護認知健康。

4小結

本研究發現，年齡、受教育程度、婚姻狀況、居住注：圖A為訓練集，圖B為驗證集； ROC= 受試者工作特征， AUC= 曲線下面積。

圖3社區老年人認知障礙發生風險預測模型的ROC曲線 Figure3ROC curve of risk prediction model for cognitive impairment in community-dwelling older adults

圖4社區老年人認知障礙發生風險預測模型校準曲線 gure4Calibrationcurve ofrisk prediction model for cognitive impairment in community-dweling older adults

注：圖A為訓練集，圖B為驗證集。

地類型、社交、ADL、抑郁7個預測變量構建的風險預測模型較好，為社區工作者評估老年人認知障礙風險提供了一個簡便且高效的輔助手段，這對提高社區老年人認知障礙的預測精度，管理老年認知障礙風險高發人群具有重要意義。本研究存在一定的局限性，由于采用橫斷面研究設計，可能受時間局限性的影響而產生偏誤。未來研究將進一步考慮采用前瞻性隊列研究，提高模型預測的精確度與泛用性，以實現對老年人更精準的健康管理與干預。

作者貢獻：趙曉晴負責數據整理與分析，撰寫論文初稿；郭桐桐、張欣怡負責研究的實施與可行性分析；李林虹、蔡偉芹負責數據的統計分析；張亞、高倩倩負責圖表繪制；稀麗紅、董志偉負責論文的質量控制及審校；鄭文貴、井淇負責論文設計與指導，對文章整體負責。

本文無利益沖突。

趙曉晴D https：//orcid.org/0009-0003-3044-0373

參考文獻

[1］國家統計局，國務院第七次全國人口普查領導小組辦公室.第七次全國人口普查公報[EB/OL].（2021-05-12）[2024-05-15].

https：//www.gov.cn/guoqing/2021-05/13/content_5606149.htm.

[2]JIANGYF，CUIM，TIANWZ，et al. Lifestyle，multi-omicsfeatures，and preclinical dementia amongChinese：The TaizhouImaging Study[J].Alzheimers Dement，2021，17（1）：18-28.

［3］王英全，梁景宏，賈瑞霞，等.2020—2050年中國阿爾茨海默病患病情況預測研究[J].阿爾茨海默病及相關病，2019，2（1）：289-298.DOI： 10.3969/j.issn.2096-5516.2019.01.012.

［4］石志學，張艷秋，張晗，等.世界衛生組織《失智癥研究行動方案》解讀及其啟示［J].醫學與哲學，2023，44（19）：1-6.DOI：10.12014/j.issn.1002-0772.2023.19.01.

[5]PUL N，PAN DG，WANG HH，et al. A predictive model for therisk of cognitive impairment in community middle-aged and olderadults［J].AsianJPsychiatr，2023，79：103380.

[6］中國癡呆與認知障礙指南寫作組，中國醫師協會神經內科醫師分會認知障礙疾病專業委員會.2018中國癡呆與認知障礙診治指南（一）：癡呆及其分類診斷標準［J］.中華醫學雜志，2018，98（13）：965-970.

[7]PRINCE M，ALI G C，GUERCHET M，et al. Recent global trendsinthe prevalence and incidence of dementia，and survival withdementia[J].Alzheimers Res Ther，2016，8（1）：23.

［8］王晨瑜，張晨，史璐璐，等.社區輕度認知障礙人群認知功能健康管理策略的研究進展［J].中國全科醫學，2024，27（26）：3273-3280. DOI： 10.12114/j.issn.1007-9572.2023.0880.

[9]WANG L L，LIP，HOU M，et al. Construction of a risk predictionmodel for Alzheimer's disease in the elderly population[J].BMCNeurol，2021，21（1）：271.D0I：10.1186/s12883-021-02276-8.

[10］PANDHITA S G，SUTRISNA B，WIBOWO S， et al. Decision treeclinical algorithm for screening of mild cognitive impairment in theelderly in primary health care：development，test of accuracy，andtime-effectiveness analysis[J].Neuroepidemiology，2020，54（3）：243-250.D0I：10.1159/000503830.

［11］崔璨，余天云，翟羽佳，等.安徽省中老年人群認知障礙發病的影響因素及預測模型構建和驗證［J］.山東醫藥，2024，64（8）：78-82.DOI：10.3969/j.issn.1002-266X.2024.08.020.

［12］董曉慧，吳亦影，安麗娜，等.老年認知障礙風險簡易預測模型［J］.老年醫學與保健，2022，28（1）：24-29.

［13］張馨月.農村老年人認知功能障礙的危險因素模型構建及干預研究［D］.唐山：華北理工大學，2021.

[14] ZHAOY，HUY，SMITHJP，et al. Cohort profile：the Chinahealthand retirementlongitudinal'study（CHARLS）［J].Int JEpidemiol，2014，43（1）：61-68.D0I：10.1093/ije/dys203.

［15］黃冬妹，黃惠橋，魏金金，等.老年人輕度認知障礙風險列線圖預測模型的構建［J］.重慶醫學，2024，53（3）：1-10.

[16] WANG S J，WANG WR，LI X W，et al. Using machine learningalgorithms for predicting cognitive impairment and identifyingmodifiable factors among Chinese elderly people[J].Front AgingNeurosci，2022，14：977034.DOI：10.3389/fnagi.2022.977034.

[17]WANGYY，ZHANGM，WANGXX，et al.Correlates ofcognitive impairment in the elderly in China：a cross-sectionalstudy［J].Front Public Health，2022，10：973661.DOI：10.3389/fpubh.2022.973661.

［18］伍茂林，韓穎，趙雅琪.我國農村中老年人殘疾和抑郁現狀及關聯性研空「1]現代頸陀匠學 3m3 50（10） 22023298，3304.DOI： 10.20043/j.cnki.MPM.202304295.

[19］袁玫，杜金，王婉晨，等.抑郁在老年人日常生活活動能力和認知功能狀況的中介效應研究［J］.現代預防醫學，2022，49（24）：4500-4504.DOI： 10.20043/j.cnki.MPM.202206101.

[20]ANDRESEN E M，MALMGREN JA，CARTER W B，et al.Screening for depression in wellolder adults：evaluation of a shortformof the CES-D（center for epidemiologic studies depressionscale）［J].AmJPrev Med，1994，10（2）：77-84.

[21] CHENG HG，CHEN SN，MCBRIDEO，et al.Prospectiverelationship of depressive symptoms，drinking，and tobaccosmoking among middle-aged and elderly community-dwellingadults：results from the China Health and Retirement LongitudinalStudy（CHARLS）［J].JAffectDisord，2016，195：136-143.

[22]LI C X，JIN S Y，CAO X Q，et al. Catastrophic health expenditureamong Chinese adults living alone with cognitive impairment：findings from the CHARLS[J].BMC Geriatr，2022，22（1）：640. DOI： 10.1186/s12877-022-03341-8.

[23]JAK A J，BONDI M W，DELANO-WOOD L，et al. Quantificationof five neuropsychological approaches to defining mild cognitiveimpairment[J].AmJGeriatr Psychiatry，2009，17（5）：368-375.DOI：10.1097/JGP.0b013e31819431d5.

[24]CHENHS，YEKX，FENGQS，et al. Trends in the prevalenceof cognitive impairment at old age in China，2002-2018[J].Alzheimers Dement，2024，20（2）：1387-1396.

[25]PRINCE M，ACOSTA D，FERRI CP，et al. Dementia incidenceand mortality in middle-income countries，and associations withindicators of cognitive reserve：a 10/66 Dementia Research Grouppopulation-based cohort study[J].Lancet，2012，380（9836）：50-58.DOI： 10.1016/S0140-6736（12）60399-7.

[26]MAVRODARIS A，POWELL J，THOROGOOD M. Prevalencesof dementia and cognitive impairment amongolder people in sub-Saharan Africa：a systematic review[J].Bull World HealthOrgan，2013，91（10）：773-783.

[27] YU R， CHAU PH，MCGHEE S M，et al. Trends in prevalenceand mortality of dementia in elderly Hong Kong population：projections，disease burden，and implications for long-term care[ J].Int JAlzheimers Dis，2012，2012：406852.

[28]BOOT W R，CHAMPION M，BLAKELY D P，et al. Video gamesas a means to reduce age-related cognitive decline：atitudes，compliance，and effectiveness [J].Front Psychol，2013，4：31.

[29]MANZA P，WIERSC E，SHOKRI-KOJORI E，et al.Brainnetwork segregation and glucose energy utilization：relevance forage-related diferences in cognitive function [J].Cereb Cortex，2020，30（11）：5930-5942.D0I：10.1093/cercor/bhaa167.

［30］董文爍，王美娟，李夢麗，等.農村老年人抑郁癥狀的潛在剖面及與認知功能的關系［J］.護理學雜志，2024，39（1）：98-102.

［31］趙晶，張妍彤，范盛然，等.高齡老人認知功能障礙現狀及影響因素分析- 一基于2018年CLHLS數據分析［J].齊齊哈爾醫學院學報，2024，45（8）：755-760.

［32］劉場.基于改善老年人身心健康的云南省社區居家養老服務管理研究［D］.昆明：昆明理工大學，2023.

[33］霍永彥，陸媛，于德華，等．上海農村地區老年居民輕度認知障礙患病情況及影響因素分析［J].山東醫藥，2020，60（14）：67-70.D0I： 10.3969/j.issn.1002-266X.2020.14.020.

[34］劉敏利，周春蘭，龍艷娟，等.珠海市金灣區老年人輕度認知障礙現況調查及影響因素分析[J].護理學報，2021，28（13）：74-78.D0I： 10.16460/j.issn1008-9969.2021.13.074.

[35］竇麗，孫晶晶，王婧.烏魯木齊市社區老年人衰弱現狀及其影響因素［J].老年醫學研究，2024，5（2）：17-21，37.DOI：10.3969/j.issn.2096-9058.2024.02.004.

[36]黃金，胡進，朱熊兆，等.社區2型糖尿病患者認知功能現狀及其影響因素研究［J].中國全科醫學，2016，19（2）：135-141.D0I： 10.3969/j.issn.1007-9572.2016.02.003.

［37］李玉玉.老年人認知障礙狀況及其影響因素研究［D］.長春：吉林大學，2023.

[38」潘惠英，王君俏，潘超君，等.金華市農村老年人輕度認知功能障礙患病率及影響因素[J].中國老年學雜志，2020，40（20）：4448-4451.D01：10.3969/j.issn.1005-9202.2020.20.056.

［39］桂前，王燕君，張沁，等.基于國際居民長期照護評估工具的養老機構老年人認知障礙現狀及影響因素研究［J].中國全科醫學，2019，22（7）：855-859..

[40]YANGL，DENGYT，LENGY，etal.Depression，depressiontreatments，and risk of incidentdementia：aprospective cohortstudy of 354，313 participants[J].BiolPsychiatry，2023，93（9）：802-809.DOI： 10.1016/j.biopsych.2022.08.026.

［41］韋平.廣西農村壯族老年人認知功能現狀及其影響因素的研究[D］.沈陽：中國醫科大學，2023.

[42]陳穎勇，張正敏，左倩倩，等.社區老年人認知衰弱風險預測模型的構建及驗證［J].中華護理雜志，2022，57（2）：197-203. D01： 10.3761/j.issn.0254-1769.2022.02.012.（收稿日期：2024-10-10；修回日期：2025-01-09）（本文編輯：王鳳微）