抑郁是老年人常见的心理健康问题，也是对老年人生命健康造成严重危害的一种高发精神疾病^[1]。WHO统计数据显示，抑郁症老人占老年人口总数的7%~10%^[2]。21世纪，全球进入人口老龄化社会，抑郁给老年人的身心造成的危害和问题日益严重，关注并探讨老年人抑郁情况及其影响因素是预防控制老年抑郁的重要前提，是促进老年人心理健康和生存质量的基础保证^[3]。随着纵向研究在医学领域的广泛应用，动态监测老年人抑郁情绪可以观察抑郁情况随时间的变化趋势，成为评估老年人心理健康状况的常用研究方法。通过在不同时间点对观测指标进行反复多次的测量，产生了纵向数据^[4-5]，这些数据往往不独立，在处理这些数据时，应当考虑数据间的相关关系，从而使得结果分析更加准确和全面。

线性混合效应模型(linear mixed effect，LME)基于传统的线性模型发展而来，不要求数据独立，方差齐同，可以解决数据非独立性问题，在纵向研究中得到广泛应用^[6]。本研究主要采用LME模型对老年抑郁量表得分情况及其影响因素进行分析，探讨不同特征老年人抑郁情绪变化存在的差异，为预防老年人抑郁提供理论依据，并为研究工作者提供统计学方面的指导。

1 资料与方法 1.1 数据来源

本研究数据来自于美国国家阿尔兹海默合作中心(National Alzheimer’s Coordinating Center)一项纵向研究^[7]，该研究由39个美国国家老龄问题研究所、国立卫生研究院支持的阿尔茨海默病中心合作开展，研究对象是基于临床的人群，包括患有阿尔茨海默病和相关疾病的受试者，以及认知正常的受试者和患有轻度认知损伤(mild cognitive impairment，MCI)的受试者。本研究从2011年开始调查的1 345人中筛选出连续随访4年60岁以上老年人230人，作为本研究最终纳入对象的样本量大小。

1.2 内容与方法

本研究采用简版老年抑郁量表(Geriatric Depression Scale, GDS)进行抑郁筛查，该量表是老年人专用的抑郁筛查量表，由15个条目组成，5条是反向计分(“否”表示存在抑郁)，10条正向计分(“是”表示存在抑郁)。本研究内容还包括人口学基本情况、自理能力、认知状态等，其中认知状态是合作中心医师根据受试者的多个标准化的临床和神经病理学特征，以及认知功能障碍评定量表，如痴呆评定量表、神经精神量表、简易精神量表做出的一个认知状态的综合诊断。

对收集整理的纵向数据采用线性混合效应(LME)模型进行处理分析，以GDS得分为响应变量，随访时间、年龄、性别、受教育年限、婚姻、认知状态等为自变量，探讨其与老年抑郁之间的关系。

线性混合效应模型是一般线性模型的扩展^[8]，包含了固定效应与随机效应，其表达式为：

上式中X为已知设计矩阵，β为固定效应参数构成的未知向量，ε是体现随机效应的未知误差向量。

1.3 统计学分析

采用SAS 9.4对数据进行统计分析。计数资料以百分比(%)表示，计量资料以x±s表示，线性混合效应模型使用MIXED模块对老年抑郁影响因素进行分析。检验水准：α=0.05。

2 结果 2.1 基本情况

230人研究对象初次调查平均年龄72.82岁，平均受教育年限15.93年，其他初次调查基本情况见表 1。

2.2 模型协方差结构选择结果

不同方差协方差结构分析得到的数据结果也不相同，只有在较为合适的协方差结构下，固定效应参数的估计和推断才有意义。本研究分别采用了常见的5种方差-协方差结构进行数据拟合，分别是方差分量(variance components, VC)协方差结构、复合对称(compound symmetry, CS)协方差结构、无结构(unstructured, UN)协方差结构、一阶自回归(autoregressive, AR)协方差结构、空间幂相关(spatial power, SP)协方差结构。根据赤池信息准则(Akaike information criterion, AIC)、贝叶斯信息准则(Bayesian information criterions, BIC)值最小化原则^[9]，选择了非结构方差-协方差结构(UN)拟合的模型进行参数估计，结果见表 2。

2.3 线性混合效应模型参数估计结果

运用SAS软件MIXED过程得到的参数估计结果显示，受教育年限越长(β=-0.103，P=0.016)，GDS得分越低；离婚的老年人相比于在婚状态的老年人GDS得分高(β=0.742，P=0.025)，分居的老年人比在婚状态的GDS得分高(β=1.495，P=0.024)；复杂活动需要帮助的老年人相比于完全能自理的老年人GDS得分更高(β=0.420，P=0.036)；近2年经常感到沮丧的老年人GDS得分更高(β=1.176，P < 0.001)；痴呆状态的老年人比正常认知老年人GDS得分高(β=1.068，P=0.003)，MCI状态的老年人也比正常状态的老年人GDS得分高(β=1.020，P=0.001)；而时间、年龄、性别对GDS得分的影响差异均没有统计学意义, 见表 3。

3 讨论

抑郁在老年人群中的发病率越来越高，给老年人的晚年生活带来极大的困扰和危害。本研究采用LME模型对老年人抑郁情况进行分析，可以有效地拟合该纵向数据，且能分析其影响因素。

老年人抑郁情绪与多种因素有关^[3]，本研究结果表明受教育年限、婚姻状态、近2年是否沮丧、认知状态等对老年抑郁情况差异有统计学意义(P < 0.05)。①受教育年限与抑郁得分情况呈负相关，受教育年限越长的老年人，抑郁得分越低，受教育程度越高，知识储备可能更多思想也更活跃开放，能够较好的疏导心中的不良情绪和压力，这也与部分现有研究结果一致^[10]。②离婚和分居的老年人比在婚状态老年人的抑郁得分高，老年生活配偶的陪伴沟通在一定程度上可以增加生活乐趣，减少抑郁情绪的发生。③复杂活动需要帮助的老年人相对于完全自理的老年人，抑郁得分更高，行动上的不方便可能会增加老年人的失落感，从而产生抑郁情绪。④值得注意的是，虽然有研究显示老年人抑郁情绪状况是认知状态的影响因素^[11]，但是本研究将认知状态作为自变量分析其与老年人抑郁的关系，得到认知状态也是老年人抑郁情绪状况的影响因素，而且进一步发现认知状态差的老年人比正常人可能更容易出现抑郁情绪。⑤痴呆和中度认知损伤的老年人比正常认知老年人更容易产生抑郁。认知功能的损伤，给老年人的生活带来极大不便，引起自我的挫败感从而产生抑郁情绪；照料者以及临床医师一旦发现老年人认知功能损伤，应及早给予药物和相关治疗，防止抑郁情绪的产生^[12]。因此，要改善老年人生命质量，提高幸福度，可根据筛选出的影响因素对老年人抑郁情况进行预防，制定相关健康教育方案和防治措施。

本研究之所以采用线性混合效应模型对纵向数据进行拟合分析，一方面是因为LME模型可以同时考虑固定效应和随机效应，而且还可以弥补广义估计方程不能估计随机效应的不足，更全面的分析数据信息，探索变量之间的关系^[11]；不过，其参数估计方法也相对复杂。另一方面，LME模型适用范围广，实现方法越来越简单，可在多个软件中实现，如SAS、R、SPSS软件；如果数据不满足线性要求时，可以改用混合效应模型。综上，LME模型是一个简单、易行、有效的处理纵向数据资料的方法。

本研究还有以下几个方面需要完善：①本研究中搜集连续随访4年的样本量230人，后期将继续加大样本量，增加结果解释的可靠性；虽然本数据来源美国，但是老年人抑郁影响因素的研究与国内文献报道有相似之处，不同的影响因素也可作为一个补充和参考，后期将继续纳入更多的可能因素进行分析；②本研究采用LME进行纵向数据分析，希望探索老年抑郁随时间变化的趋势，但是研究结果显示老年抑郁在不同时间点上差异无统计学意义，后期的研究将拓展随访时间点，增加随访次数以及将不同测量时间间距纳入考虑；③本研究针对数据特征只采用了LME处理分析纵向数据，后续可以采用多种统计方法的进行比较分析，从而提供更加高效可靠的分析处理方法。