Construction and Validation of a Risk Prediction Model for Cognitive Impairment in Community-dwelling Older Adults

doi:10.12114/j.issn.1007-9572.2024.0451

Chinese General Practice ›› 2025, Vol. 28 ›› Issue (22): 2776-2783.DOI: 10.12114/j.issn.1007-9572.2024.0451

Special Issue: 社区卫生服务最新研究合辑；老年人群健康最新文章合辑

• Original Research • Previous Articles Next Articles

Construction and Validation of a Risk Prediction Model for Cognitive Impairment in Community-dwelling Older Adults

1. School of Public Health, Shandong Second Medical University, Weifang 261053, China
2. Collaborative Innovation Center for Prediction and Governance of Major Social Risks of "Healthy Shandong", Weifang 261053, China
3. China Institute of Rehabilitation and Health Research, Weifang 261053, China
4. School of Management, Shandong Second Medical University, Weifang 261053, China
5. China ICF Research Institute, Weifang 261053, China
6. Oxford Institute for Population Ageing, University of Oxford, Oxford OX26PR, UK

Received:2024-10-10 Revised:2025-01-09 Published:2025-08-05 Online:2025-06-30
Contact: ZHENG Wengui, JING Qi

社区老年人认知障碍风险预测模型的构建与验证研究

1．261053　山东省潍坊市，山东第二医科大学公共卫生学院
2．261053　山东省潍坊市，"健康山东"重大社会风险预测与治理协同创新中心
3．261053　山东省潍坊市，中国康复健康研究院
4．261053　山东省潍坊市，山东第二医科大学管理学院
5．261053　山东省潍坊市，中国ICF研究院
6．OX26PR英国牛津郡，牛津大学牛津人口老龄研究所

通讯作者: 郑文贵, 井淇
作者简介:
作者贡献：
赵晓晴负责数据整理与分析，撰写论文初稿；郭桐桐、张欣怡负责研究的实施与可行性分析；李林虹、蔡伟芹负责数据的统计分析；张亚、高倩倩负责图表绘制；嵇丽红、董志伟负责论文的质量控制及审校；郑文贵、井淇负责论文设计与指导，对文章整体负责。
基金资助:
国家自然科学基金资助项目(72004165，72374156); 山东省高等学校"青创团队计划"团队研究课题(2022RW075); 山东省政府公派出国留学项目

Abstract

Abstract:

Background

With the further aging of the population, the incidence of cognitive impairment is increasing, and there is a lack of effective treatments. The construction of an accurate risk prediction model can be used to help community healthcare workers to identify, warn and intervene with potential patients at an early stage, and to reduce the pressure on social healthcare.

Objective

This study aims to construct a prediction model for the risk of cognitive impairment in older adults in the community, analyse the influencing factors of cognitive impairment in older adults, and provide empirical references for the development of targeted interventions.

Methods

In April 2024, elderly people aged ≥60 years were selected from the China Health and Retirement Longitudinal Survey (CHARLS) 2020 database (n=7 334) , and their socio-demographic characteristics and data on their health status and behaviours, activities of daily living (ADL) , depression, and cognitive abilities were collected. They were randomly divided into a training set (n=5 133) and a validation set (n=2 201) in a ratio of 7∶3. The best predictor variables were screened using LASSO regression ten-fold cross-validation, the factors influencing cognitive impairment in older adults were analysed using Logistic regression, and nomagram were constructed, and the performance of the predicion model was assessed using the area under the curve of the subject work characteristics (ROC) curves and the analysis of the calibration curves.

Results

The detection rate of cognitive impairment in older adults was 14.48% (1 062/7 334) . LASSO regression screened nine potential predictor variables, which were age, type of residence, marital status, gender, education, exercise, society, activity of daily living, and depression. The results of multifactorial Logistic regression analysis showed that 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 old using 60-69 years old as a reference] , type of residence [OR (95%CI) =2.144 (1.617-2.842) for rural using urban as a reference] , marital status [OR (95%CI) =0.691 (0.562-0.851) for no spouse, using spousal as a reference] , education [OR (95%CI) =0.209 (0.173-0.254) for primary school and below, using illiteracy as a reference, and for junior high school OR (95%CI) =0.059 (0.038-0.090) , OR (95%CI) for high school/vocational high school=0.043 (0.021-0.089) , and OR (95%CI) for college and above=0.038 (0.005-0.280) ] , and society [with no society as a reference, and OR (95%CI) with society=0.746 (0.624-0.892) ] , ability to perform ADL [OR (95%CI) =1.529 (1.171-1.997) with no impairment as a reference and OR (95%CI) =1.580 (1.319-1.891) with impairment] , and depression [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<0.05) . Based on the seven predictor variables screened by multifactor Logistic regression analysis, a prediction model was established. The areas under the ROC curves of the prediction model in the training 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.

Conclusion

In this study, a prediction model for the risk of cognitive impairment in community-dwelling older adults containing a total of seven indicators, including age, residence, and so on, was established, and the prediction model had good accuracy and differentiation, which can be used to identify the risk of developing cognitive impairment in older adults.

Key words: Cognition disorders, Aged, Prediction model, Nomograms, Root cause analysis

摘要：

背景

随着人口老龄化程度的持续加深，认知障碍发病率越来越高，但目前尚缺乏有效治疗方法，构建精准的风险预测模型可以帮助社区医护人员早期识别、预警与干预潜在患者，减轻社会医疗压力。

目的

构建社区老年人认知障碍风险的预测模型，分析老年人认知障碍的影响因素，为制定针对性的干预措施提供实证参考。

方法

于2024年4月，在中国健康与养老追踪调查（CHARLS）2020年数据库中选取≥60岁老年人为研究对象（n=7 334），收集其社会人口学特征及健康状况和行为、日常生活活动能力（ADL）、抑郁、认知功能数据。以7∶3的比例随机分为训练集（n=5 133）和验证集（n=2 201），采用LASSO回归十折交叉验证法筛选最佳预测变量，采用Logistic回归分析老年人认知障碍影响因素，并构建列线图，采用受试者工作特征（ROC）曲线下面积、校准曲线等评估预测模型的性能。

结果

老年人的认知障碍检出率为14.48%（1 062/7 334）。LASSO回归筛选出9个潜在预测变量，分别为性别、年龄、受教育程度、婚姻状况、居住地类型、运动、社交、ADL、抑郁。多因素Logistic回归分析结果显示，年龄[以60~69岁为参照，70~79岁的OR（95%CI）=1.238（1.109~1.504），≥80岁的OR（95%CI）=2.231（1.546~3.222）]，受教育程度[以文盲为参照，小学及以下的OR（95%CI）=0.209（0.173~0.254），初中的OR（95%CI）=0.059（0.038~0.090），高中/职高的OR（95%CI）=0.043（0.021~0.089），大专及以上的OR（95%CI）=0.038（0.005~0.280）]，婚姻状况[以有配偶为参照，无配偶的OR（95%CI）=0.691（0.562~0.851）]，居住地类型[以城市为参照，农村的OR（95%CI）=2.144（1.617~2.842）]，社交[以无社交为参照，有社交的OR（95%CI）=0.746（0.624~0.892）]，ADL[以无障碍为参照，有障碍的OR（95%CI）=1.529（1.171~1.997）]，抑郁[以无抑郁为参照，抑郁的OR（95%CI）=1.580（1.319~1.891）]是认知障碍的影响因素（P<0.05）。依据多因素Logistic回归分析筛选出的7个预测变量，建立预测模型。预测模型在训练集和验证集的ROC曲线下面积分别为0.821（95%CI=0.805~0.836）和0.839（95%CI=0.817~0.861）；Hosmer-Lemeshow检验χ²=5.022（P=0.755）和χ²=3.963（P=0.860）；校准曲线显示预测值和实际值之间存在显著一致性。

结论

本研究建立了包含年龄、居住地类型等共7个指标的社区老年人认知障碍风险预测模型，预测模型准确度和区分度均较好，可用于预测老年人认知障碍的发生风险。

关键词: 认知障碍, 老年人, 预测模型, 列线图, 影响因素分析

ZHAO Xiaoqing,GUO Tongtong,ZHANG Xinyi, et al. Construction and Validation of a Risk Prediction Model for Cognitive Impairment in Community-dwelling Older Adults[J]. Chinese General Practice, 2025, 28(22): 2776-2783. DOI: 10.12114/j.issn.1007-9572.2024.0451.
赵晓晴,郭桐桐,张欣怡等. 社区老年人认知障碍风险预测模型的构建与验证研究[J]. 中国全科医学, 2025, 28(22): 2776-2783. DOI: 10.12114/j.issn.1007-9572.2024.0451.

Figures/Tables 7

References 42

[1]	国家统计局，国务院第七次全国人口普查领导小组办公室. 第七次全国人口普查公报[EB/OL]. （2021-05-12）[2024-05-15].
[2]	JIANG Y F, CUI M, TIAN W Z, et al. Lifestyle，multi-omics features，and preclinical dementia among Chinese：The Taizhou Imaging Study[J]. Alzheimers Dement，2021，17（1）：18-28.
[3]	王英全，梁景宏，贾瑞霞，等. 2020—2050年中国阿尔茨海默病患病情况预测研究[J]. 阿尔茨海默病及相关病，2019，2（1）：289-298. DOI：10.3969/j.issn.2096-5516.2019.01.012.
[4]	石志学，张艳秋，张晗，等. 世界卫生组织《失智症研究行动方案》解读及其启示[J]. 医学与哲学，2023，44（19）：1-6. DOI：10.12014/j.issn.1002-0772.2023.19.01.
[5]	PU L N, PAN D G, WANG H H, et al. A predictive model for the risk of cognitive impairment in community middle-aged and older adults[J]. Asian J Psychiatr，2023，79：103380.
[6]	中国痴呆与认知障碍指南写作组，中国医师协会神经内科医师分会认知障碍疾病专业委员会. 2018中国痴呆与认知障碍诊治指南（一）：痴呆及其分类诊断标准[J]. 中华医学杂志，2018，98（13）：965-970.
[7]	PRINCE M, ALI G C, GUERCHET M, et al. Recent global trends in the prevalence and incidence of dementia，and survival with dementia[J]. Alzheimers Res Ther，2016，8（1）：23.
[8]	王晨瑜，张晨，史璐璐，等. 社区轻度认知障碍人群认知功能健康管理策略的研究进展[J]. 中国全科医学，2024，27（26）：3273-3280. DOI：10.12114/j.issn.1007-9572.2023.0880.
[9]	WANG L L, LI P, HOU M, et al. Construction of a risk prediction model for Alzheimer's disease in the elderly population[J]. BMC Neurol，2021，21（1）：271. DOI：10.1186/s12883-021-02276-8.
[10]	PANDHITA S G, SUTRISNA B, WIBOWO S, et al. Decision tree clinical algorithm for screening of mild cognitive impairment in the elderly in primary health care：development，test of accuracy，and time-effectiveness analysis[J]. Neuroepidemiology，2020，54（3）：243-250. DOI：10.1159/000503830.
[11]	崔璨，余天云，翟羽佳，等. 安徽省中老年人群认知障碍发病的影响因素及预测模型构建和验证[J]. 山东医药，2024，64（8）：78-82. DOI：10.3969/j.issn.1002-266X.2024.08.020.
[12]	董晓慧，吴亦影，安丽娜，等. 老年认知障碍风险简易预测模型[J]. 老年医学与保健，2022，28（1）：24-29.
[13]	张馨月. 农村老年人认知功能障碍的危险因素模型构建及干预研究[D]. 唐山：华北理工大学，2021.
[14]	ZHAO Y, HU Y, SMITH J P, et al. Cohort profile：the China health and retirement longitudinal study（CHARLS）[J]. Int J Epidemiol，2014，43（1）：61-68. DOI：10.1093/ije/dys203.
[15]	黄冬妹，黄惠桥，魏金金，等. 老年人轻度认知障碍风险列线图预测模型的构建[J]. 重庆医学，2024，53（3）：1-10.
[16]	WANG S J, WANG W R, LI X W, et al. Using machine learning algorithms for predicting cognitive impairment and identifying modifiable factors among Chinese elderly people[J]. Front Aging Neurosci，2022，14：977034. DOI：10.3389/fnagi.2022.977034.
[17]	WANG Y Y, ZHANG M, WANG X X, et al. Correlates of cognitive impairment in the elderly in China：a cross-sectional study[J]. Front Public Health，2022，10：973661. DOI：10.3389/fpubh.2022.973661.
[18]	伍茂林，韩颖，赵雅琪. 我国农村中老年人残疾和抑郁现状及关联性研究[J]. 现代预防医学，2023，50（18）：3293-3298，3304. 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动能力和认知功能状况的中介效应研究[J]. 现代预防医学，2022，49（24）：4500-4504. DOI：10.20043/j.cnki.MPM.202206101.
[20]	ANDRESEN E M, MALMGREN J A, CARTER W B, et al. Screening for depression in well older adults：evaluation of a short form of the CES-D（center for epidemiologic studies depression scale）[J]. Am J Prev Med，1994，10（2）：77-84.
[21]	CHENG H G, CHEN S N, MCBRIDE O, et al. Prospective relationship of depressive symptoms，drinking，and tobacco smoking among middle-aged and elderly community-dwelling adults：results from the China Health and Retirement Longitudinal Study（CHARLS）[J]. J Affect Disord，2016，195：136-143.
[22]	LI C X, JIN S Y, CAO X Q, et al. Catastrophic health expenditure among 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. Quantification of five neuropsychological approaches to defining mild cognitive impairment[J]. Am J Geriatr Psychiatry，2009，17（5）：368-375. DOI：10.1097/JGP.0b013e31819431d5.
[24]	CHEN H S, YE K X, FENG Q S, et al. Trends in the prevalence of cognitive impairment at old age in China，2002-2018[J]. Alzheimers Dement，2024，20（2）：1387-1396.
[25]	PRINCE M, ACOSTA D, FERRI C P, et al. Dementia incidence and mortality in middle-income countries，and associations with indicators of cognitive reserve：a 10/66 Dementia Research Group population-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. Prevalences of dementia and cognitive impairment among older people in sub-Saharan Africa：a systematic review[J]. Bull World Health Organ，2013，91（10）：773-783.
[27]	YU R, CHAU P H, MCGHEE S M, et al. Trends in prevalence and mortality of dementia in elderly Hong Kong population：projections，disease burden，and implications for long-term care[J]. Int J Alzheimers Dis，2012，2012：406852.
[28]	BOOT W R, CHAMPION M, BLAKELY D P, et al. Video games as a means to reduce age-related cognitive decline：attitudes，compliance，and effectiveness[J]. Front Psychol，2013，4：31.
[29]	MANZA P, WIERS C E, SHOKRI-KOJORI E, et al. Brain network segregation and glucose energy utilization：relevance for age-related differences in cognitive function[J]. Cereb Cortex，2020，30（11）：5930-5942. DOI：10.1093/cercor/bhaa167.
[30]	董文烁，王美娟，李梦丽，等. 农村老年人抑郁症状的潜在剖面及与认知功能的关系[J]. 护理学杂志，2024，39（1）：98-102.
[31]	赵晶，张妍彤，范盛然，等. 高龄老人认知功能障碍现状及影响因素分析——基于2018年CLHLS数据分析[J]. 齐齐哈尔医学院学报，2024，45（8）：755-760.
[32]	刘玚. 基于改善老年人身心健康的云南省社区居家养老服务管理研究[D]. 昆明：昆明理工大学，2023.
[33]	霍永彦，陆媛，于德华，等. 上海农村地区老年居民轻度认知障碍患病情况及影响因素分析[J]. 山东医药，2020，60（14）：67-70. DOI：10.3969/j.issn.1002-266X.2020.14.020.
[34]	刘敏利，周春兰，龙艳娟，等. 珠海市金湾区老年人轻度认知障碍现况调查及影响因素分析[J]. 护理学报，2021，28（13）：74-78. DOI：10.16460/j.issn1008-9969.2021.13.074.
[35]	窦丽，孙晶晶，王婧. 乌鲁木齐市社区老年人衰弱现状及其影响因素[J]. 老年医学研究，2024，5（2）：17-21，37. DOI：10.3969/j.issn.2096-9058.2024.02.004.
[36]	黄金，胡进，朱熊兆，等. 社区2型糖尿病患者认知功能现状及其影响因素研究[J]. 中国全科医学，2016，19（2）：135-141. DOI：10.3969/j.issn.1007-9572.2016.02.003.
[37]	李玉玉. 老年人认知障碍状况及其影响因素研究[D]. 长春：吉林大学，2023.
[38]	潘惠英，王君俏，潘超君，等. 金华市农村老年人轻度认知功能障碍患病率及影响因素[J]. 中国老年学杂志，2020，40（20）：4448-4451. DOI：10.3969/j.issn.1005-9202.2020.20.056.
[39]	桂前，王燕君，张沁，等. 基于国际居民长期照护评估工具的养老机构老年人认知障碍现状及影响因素研究[J]. 中国全科医学，2019，22（7）：855-859..
[40]	YANG L, DENG Y T, LENG Y, et al. Depression，depression treatments，and risk of incident dementia：a prospective cohort study of 354，313 participants[J]. Biol Psychiatry，2023，93（9）：802-809. DOI：10.1016/j.biopsych.2022.08.026.
[41]	韦平. 广西农村壮族老年人认知功能现状及其影响因素的研究[D]. 沈阳：中国医科大学，2023.
[42]	陈颖勇，张正敏，左倩倩，等. 社区老年人认知衰弱风险预测模型的构建及验证[J]. 中华护理杂志，2022，57（2）：197-203. DOI：10.3761/j.issn.0254-1769.2022.02.012.

变量	总样本（n=7 334）	训练集（n=5 133）	验证集（n=2 201）	χ²值	P值
性别				0.201	0.654
男	3 826（52.17）	2 669（52.00）	1 157（52.57）
女	3 508（47.83）	2 464（48.00）	1 044（47.43）
年龄				0.996	0.608
60~69岁	4 916（67.03）	3 459（67.39）	1 457（66.20）
70~79岁	2 094（28.55）	1 449（28.23）	645（29.30）
≥80岁	324（4.42）	225（4.38）	99（4.50）
受教育程度				3.486	0.480
文盲	1 628（22.20）	1 140（22.21）	488（22.17）
小学及以下	3 419（46.62）	2 392（46.60）	1 027（46.66）
初中	1 403（19.13）	1 002（19.52）	401（18.23）
高中或职高	747（10.18）	507（9.88）	240（10.90）
大专及以上	137（1.87）	92（1.79）	45（2.04）
婚姻状况				1.313	0.252
无配偶	1 393（18.99）	958（18.66）	436（19.81）
有配偶	5 940（81.01）	4 175（81.34）	1 765（80.19）
居住地类型				0.354	0.552
城市	1 882（25.66）	1 307（25.46）	575（26.12）
农村	5 452（74.34）	3 826（74.54）	1 626（73.88）
吸烟				0.240	0.624
否	5 393（73.53）	3 783（73.70）	1 610（73.15）
是	1 941（26.47）	1 350（26.30）	591（26.85）
饮酒				2.778	0.096
否	4 726（64.44）	3 339（65.05）	1 387（63.02）
是	2 608（35.56）	1 794（34.95）	814（36.98）
运动				0.118	0.731
否	723（9.86）	502（9.78）	221（10.04）
是	6 611（90.14）	4 631（90.22）	1 980（89.96）
社交				0.101	0.751
否	3 826（52.17）	2 684（52.29）	1 142（51.89）
是	3 508（47.83）	2 449（47.71）	1 059（48.11）
自评健康状况				2.170	0.705
很不好	511（6.97）	358（6.97）	153（6.95）
不好	1 460（19.91）	1 039（20.24）	421（19.13）
一般	3 766（51.35）	2 633（51.30）	1 133（51.48）
好	825（11.25）	563（10.97）	262（11.90）
很好	772（10.52）	540（10.52）	232（10.54）
患慢性病情况				0.010	0.752
否	4 382（59.75）	3 073（59.87）	1 309（59.47）
是	2 952（40.25）	2 060（40.13）	892（40.53）
ADL				0.277	0.599
有障碍	602（8.21）	427（8.32）	175（7.95）
无障碍	6 732（91.79）	4 706（91.68）	2 026（92.05）
抑郁				0.413	0.235
否	4 429（60.39）	3 077（59.95）	1 352（61.43）
是	2 905（39.61）	2 056（40.05）	849（38.57）

变量	总样本（n=7 334）	训练集（n=5 133）	验证集（n=2 201）	χ²值	P值
性别				0.201	0.654
男	3 826（52.17）	2 669（52.00）	1 157（52.57）
女	3 508（47.83）	2 464（48.00）	1 044（47.43）
年龄				0.996	0.608
60~69岁	4 916（67.03）	3 459（67.39）	1 457（66.20）
70~79岁	2 094（28.55）	1 449（28.23）	645（29.30）
≥80岁	324（4.42）	225（4.38）	99（4.50）
受教育程度				3.486	0.480
文盲	1 628（22.20）	1 140（22.21）	488（22.17）
小学及以下	3 419（46.62）	2 392（46.60）	1 027（46.66）
初中	1 403（19.13）	1 002（19.52）	401（18.23）
高中或职高	747（10.18）	507（9.88）	240（10.90）
大专及以上	137（1.87）	92（1.79）	45（2.04）
婚姻状况				1.313	0.252
无配偶	1 393（18.99）	958（18.66）	436（19.81）
有配偶	5 940（81.01）	4 175（81.34）	1 765（80.19）
居住地类型				0.354	0.552
城市	1 882（25.66）	1 307（25.46）	575（26.12）
农村	5 452（74.34）	3 826（74.54）	1 626（73.88）
吸烟				0.240	0.624
否	5 393（73.53）	3 783（73.70）	1 610（73.15）
是	1 941（26.47）	1 350（26.30）	591（26.85）
饮酒				2.778	0.096
否	4 726（64.44）	3 339（65.05）	1 387（63.02）
是	2 608（35.56）	1 794（34.95）	814（36.98）
运动				0.118	0.731
否	723（9.86）	502（9.78）	221（10.04）
是	6 611（90.14）	4 631（90.22）	1 980（89.96）
社交				0.101	0.751
否	3 826（52.17）	2 684（52.29）	1 142（51.89）
是	3 508（47.83）	2 449（47.71）	1 059（48.11）
自评健康状况				2.170	0.705
很不好	511（6.97）	358（6.97）	153（6.95）
不好	1 460（19.91）	1 039（20.24）	421（19.13）
一般	3 766（51.35）	2 633（51.30）	1 133（51.48）
好	825（11.25）	563（10.97）	262（11.90）
很好	772（10.52）	540（10.52）	232（10.54）
患慢性病情况				0.010	0.752
否	4 382（59.75）	3 073（59.87）	1 309（59.47）
是	2 952（40.25）	2 060（40.13）	892（40.53）
ADL				0.277	0.599
有障碍	602（8.21）	427（8.32）	175（7.95）
无障碍	6 732（91.79）	4 706（91.68）	2 026（92.05）
抑郁				0.413	0.235
否	4 429（60.39）	3 077（59.95）	1 352（61.43）
是	2 905（39.61）	2 056（40.05）	849（38.57）

变量	赋值方法
认知障碍	否=0，是=1
性别	女=0，男=1
年龄	60~69岁=1，70~79岁=2，≥80岁=3
受教育程度	文盲=1，小学及以下=2，初中=3，高中或职高=4，大专及以上=5
婚姻状况	有配偶=1，无配偶=0
居住地类型	城市=1，农村=2
吸烟	否=0，是=1
饮酒	否=0，是=1
运动	否=0，是=1
社交	否=0，是=1
自评健康状况	很不好=1，不好=2，一般=3，好=4，很好=5
患慢性病情况	否=0，是=1
ADL	有障碍=1，无障碍=0
抑郁	否=0，是=1

变量	赋值方法
认知障碍	否=0，是=1
性别	女=0，男=1
年龄	60~69岁=1，70~79岁=2，≥80岁=3
受教育程度	文盲=1，小学及以下=2，初中=3，高中或职高=4，大专及以上=5
婚姻状况	有配偶=1，无配偶=0
居住地类型	城市=1，农村=2
吸烟	否=0，是=1
饮酒	否=0，是=1
运动	否=0，是=1
社交	否=0，是=1
自评健康状况	很不好=1，不好=2，一般=3，好=4，很好=5
患慢性病情况	否=0，是=1
ADL	有障碍=1，无障碍=0
抑郁	否=0，是=1

自变量	β	SE	Wald χ²值	P值	OR（95%CI）
性别	-0.176	0.102	2.979	0.084	0.839（0.687~1.024）
年龄（以60~69岁为参照）			19.943	<0.001
70~79岁	0.214	0.099	4.627	0.031	1.238（1.019~1.504）
≥80岁	0.803	0.187	18.345	<0.001	2.231（1.546~3.222）
受教育程度（以文盲为参照）			373.844	<0.001
小学及以下	-1.564	0.098	254.733	<0.001	0.209（0.173~0.254）
初中	-2.837	0.219	167.592	<0.001	0.059（0.038~0.090）
高中或职高	-3.142	0.369	72.701	<0.001	0.043（0.021~0.089）
大专及以上	-3.268	1.018	10.301	0.001	0.038（0.005~0.280）
婚姻状况	-0.369	0.106	12.104	0.001	0.691（0.562~0.851）
居住地类型	0.763	0.144	28.091	<0.001	2.144（1.617~2.842）
运动	-0.239	0.132	3.250	0.071	0.788（0.607~1.021）
社交	-0.293	0.091	10.345	0.001	0.746（0.624~0.892）
ADL	0.425	0.136	9.717	0.002	1.529（1.171~1.997）
抑郁	0.457	0.092	24.786	<0.001	1.580（1.319~1.891）
常量	-1.637	0.322	25.917	<0.001	0.195

Construction and Validation of a Risk Prediction Model for Cognitive Impairment in Community-dwelling Older Adults

社区老年人认知障碍风险预测模型的构建与验证研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 7

References 42

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	CHAI Zhihao, ZHANG Weisen, LUO Jiaoling, ZHU Feng, ZHU Tong, JIN Yali, PAN Jing, LU Yingjun, JIANG Chaoqiang. The Mediation Effect of Socioeconomic Status in Childhood Parental Literacy and Cognitive Function in Middle-aged and Older People: Based on Guangzhou Biobank Cohort Study [J]. Chinese General Practice, 2026, 29(21): 2959-2966.
[2]	LI Jiawei, GAO Xinyi, GE Aoqi, LI Juanjuan, YUAN Beibei. Demand and Associated Factors for Integrated Medical Care and Preventive Services among Patients with Type 2 Diabetes [J]. Chinese General Practice, 2026, 29(21): 3028-3039.
[3]	LI Wenping, CHEN Jianhua, XU Jiapei, JIN Xue, PAN Zihan, CHI Chunhua. A Scoping Review on the Empowerment of Community Elderly Health Services by Digital-Intelligent Health Management Platforms [J]. Chinese General Practice, 2026, 29(21): 2938-2949.
[4]	AN Yanhong, WANG Shidong, LI Xiaoran, GUO Jiayang, WANG Zhe, SHA Peilin, MENG Yijun, LI Xiaoxuan, SHI Xue, YU Zexing, XIAO Yonghua. Study on Risk Factors and Nomogram Prediction Model for Diabetic Kidney Disease: Based on Contrast-enhanced Ultrasound Technology [J]. Chinese General Practice, 2026, 29(21): 2995-3003.
[5]	LI Feng, HU Changhao, LUO Xu. Progress in the Study of Influencing Factors and Intervention Strategies of Mental Health in Elderly Patients with Multiple Chronic Conditions [J]. Chinese General Practice, 2026, 29(20): 2816-2828.
[6]	ZHANG Huifang, CHEN Cunchuan, FAN Boyang, SUN Wenning, WANG Yingjie, ZHANG Ao, ZHAO Yang, WANG Haipeng. Study on the Service Capability of Primary Care Doctors to Integrate Medical and Preventive Services and Its Influencing Factors in Shandong Province [J]. Chinese General Practice, 2026, 29(19): 2711-2716.
[7]	TANG Lijuan, QI Qi, ZHANG Fan, GAO Yifu, CAO Yajing, YUE Fujuan, GAO Jinchai, LIU Xiaoli. Characterisation of the Prevalence of Overweight/Obesity among Residents Aged 18-44 Years in Hebei Province in 2013 and 2020 [J]. Chinese General Practice, 2026, 29(19): 2695-2704.
[8]	PANG Shu, SUN ying, JIANG Chunyan. Comparison of the Effectiveness of Fried's Frailty Phenotype and the FRAIL Scale in Assessing Pre-frailty among Community-dwelling Older Adults Undergoing Health Examinations [J]. Chinese General Practice, 2026, 29(19): 2664-2670.
[9]	LIU Fang, LIU Weinan, XIANG Yuanyue, LU Cheng, ZHU Binhai. Factors Influencing Work-related Flow among "3+2" Order-oriented Assistant General Practitioners in Jiangsu Province [J]. Chinese General Practice, 2026, 29(18): 2454-2460.
[10]	LI Simin, ZHANG Tingting, WANG Kunbo, YANG Jianzhou, PING Weiwei. Effects of Exercise Dosage on Elderly Patients with Sarcopenia: a Meta-analysis [J]. Chinese General Practice, 2026, 29(17): 2400-2409.
[11]	CHEN Yan, SHEN Dequan, SHENG Renlei, CHANG Yujie, YANG Jiaqi, DING Jie, SUN Zhifang, WANG Dahui. Influencing Factors and Importance Ranking of the Utilization of Primary-level Traditional Chinese Medicine Preventive and Health Care Services for the Elderly [J]. Chinese General Practice, 2026, 29(16): 2182-2189.
[12]	YU Shan, CHE Yajie, SUBIYINUER· Maimaiti, GUO Kaiyang, FENG Xingxing, YAN Ping. A Comparative Study on the Current Situation and Influencing Factors of Subjective Cognitive Decline among Urban and Rural Elderly People in Xinjiang [J]. Chinese General Practice, 2026, 29(16): 2227-2233.
[13]	CHEN Bihua, LIN Qiyi, LI Wuhua, SU Jin, TU Liping, SHI Lan, DING Xiaoqin, YI Chuntao. The Influencing Factors and Mechanisms of the Work Output Level of Family Doctor Teams from the Perspective of Team Effectiveness [J]. Chinese General Practice, 2026, 29(16): 2167-2173.
[14]	YU Chao, SONG Lihua, WANG Linyan, LU Yunping, WANG Linyang, CUI Wei. The Functional Outcomes and Influencing Factors in Patients with First-episode Major Depressive Disorder after 7 Years [J]. Chinese General Practice, 2026, 29(16): 2221-2226.
[15]	LUO Yutong, LI Jing. The HPV Vaccine Coverage and Its Influencing Factors among the Eligible Population in China Based on a Geographically Weighted Regression Model [J]. Chinese General Practice, 2026, 29(16): 2234-2243.