Predicting the Risk of Depression in Elderly Patients with Cardiovascular Metabolic Diseases Using Single-lead Wearable Electrocardiography at the Community Level

doi:10.12114/j.issn.1007-9572.2025.0064

Chinese General Practice ›› 2026, Vol. 29 ›› Issue (10): 1300-1310.DOI: 10.12114/j.issn.1007-9572.2025.0064

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

• Article • Previous Articles Next Articles

Predicting the Risk of Depression in Elderly Patients with Cardiovascular Metabolic Diseases Using Single-lead Wearable Electrocardiography at the Community Level

1. Xinhua Street Community Health Service Center, Yinchuan First People's Hospital, Yinchuan 750001, China
2. Yinchuan Third People's Hospital, Yinchuan 750001, China
3. Sleep Center, Department of Respiratory and Critical Care Medicine, Yinchuan First People's Hospital, Yinchuan 750001, China
4. Beidaihe Rehabilitation and Recreation Center of the Joint Logistics Support Force, Qinhuangdao 066100, China
5. Medical Imaging Center, People's Hospital of Ningxia Hui Autonomous Region, Yinchuan 750001, China
6. Department of Cardiology, Peking University People's Hospital, Beijing 100044, China

Received:2025-03-27 Revised:2025-06-23 Published:2026-04-05 Online:2026-03-25
Contact: ZHANG Haicheng

基于单导联可穿戴心电设备预测基层老年心血管代谢疾病患者抑郁发生风险的研究

1．750001　宁夏回族自治区银川市第一人民医院新华街社区卫生服务中心
2．750001　宁夏回族自治区银川市第三人民医院
3．750001　宁夏回族自治区银川市第一人民医院呼吸与危重症医学科睡眠中心
4．066100　河北省秦皇岛市，联勤保障部队北戴河康复疗养中心
5．750001　宁夏回族自治区银川市，宁夏回族自治区人民医院医学影像中心
6．100044　北京市，北京大学人民医院心内科

通讯作者: 张海澄
作者简介:
作者贡献：
余新艳负责研究的实施与可行性分析纳入与排除标准的制订，撰写论文，对主要研究结果进行分析与解释；马忠负责数据整理、检索文献；曹凡负责数据核对、最终版本修订；苏鹏负责统计学处理；林颖负责图、表绘制，结果的可视化呈现；张海澄提出研究思路，设计研究方案进行文章的构思与设计，对文章整体负责、监督管理。
基金资助:
国家社会科学基金重大项目(18ZDA086-4); 银川市科技创新重点重大专项(2021-SF-009)

Abstract

Abstract:

Background

Cardiovascular metabolic diseases are closely associated with depression. Although the management of cardiovascular metabolic diseases at the community level has been established, psychological issues such as depression in patients have not received sufficient attention. Moreover, there is a lack of simple, accurate, and efficient screening and assessment tools for depression.

Objective

To apply single-lead wearable electrocardiographic devices to predict the risk of depression in elderly patients with cardiovascular metabolic diseases at the community level of Ning Xia Hui Autonomous Region.

Methods

A total of 3 121 elderly patients (aged over 65) with hypertension, diabetes, coronary heart disease, and other cardiovascular metabolic diseases were selected from 20 primary medical and health care institutions in Ningxia between January 2022 and June 2023. Electrocardiographic data collected via single-lead wearable electrocardiographic devices were uploaded to a cloud platform. Additionally, sociodemographic, lifestyle, and mental health data were collected from the same platform. The data were divided into a training set (2 341 cases) and a validation set (780 cases) using a simple random sampling method at a 3∶1 ratio. LASSO regression analysis and cross-validation were performed using RStudio 4.1.1 software to identify the best predictors. A multivariable Logistic regression model was then established using the predictors selected by LASSO regression. A nomogram model for predicting the risk of depression in elderly patients with cardiovascular metabolic diseases was constructed. The model's efficacy was evaluated using the receiver operating characteristic (ROC) curve, calibration, and decision curve analysis.

Results

In the training set, LASSO regression combined with Logistic regression analysis identified several significant factors associated with depression in elderly patients with cardiovascular metabolic diseases: gender (OR=1.747, 95%CI=1.258-2.434) , BMI (OR=1.073, 95%CI=1.024-1.125) , urban and rural areas (OR=1.684, 95%CI=1.172-2.456) , exercise (OR=0.610, 95%CI=0.460-0.799) , anxiety (OR=3.041, 95%CI=1.597-5.484) , coronary heart disease (OR=2.743, 95%CI=1.971-3.815), premature beats (OR=4.745, 95%CI=1.681-19.977) , standard deviation of average normal-to-normal Intervals (SDANN) (OR=4.745, 95%CI=1.681-19.977) , root mean square deviation (rMSSD) (OR=0.986, 95%CI=0.972-0.999) , and sleep efficiency (OR=0.988, 95%CI=0.982-0.995) . The differences were statistically significant (P<0.05) . The Logistic regression equation Logit (P) =4.322+0.558×gender+0.071×BMI+0.521×urban and rural areas-0.494×exercise+1.112×anxiety+1.009×coronary heart disease+1.557×premature beat-0.011×SDANN-0.014×rMSSD-0.012×sleep efficiency was used to construct a column chart prediction model. The area under the curve for predicting the risk of depression in elderly chronic disease patients in the training and validation sets were 0.748 (95%CI=0.707-0.786, P<0.001) , 75.2%, 63.4% and 0.751 (95%CI=0.692-0.809) , 76.7%, 60.6%, respectively. The clinical decision curve analysis showed that when the probability threshold for depression risk was between 8% and 35% in the training set and between 8% and 37% in the validation set, the net benefit of predicting the risk of depression in elderly patients with cardiovascular metabolic diseases was higher.

Conclusion

Gender, BMI, urban and rural areas, exercise, anxiety, coronary heart disease, premature beats, SDANN, rMSSD, sleep efficiency are contributing factors to the risk of depression in elderly patients with cardiovascular metabolic diseases. This study successfully constructed a nomogram model for predicting the risk of depression in elderly patients with cardiovascular metabolic diseases at the community level, based on single-lead wearable electrocardiographic devices. The model demonstrated good predictive efficacy and clinical application value. It can assist primary medical and health care institutions in conducting depression screening and formulating individualized intervention measures for patients, thereby aiding in the prevention and control of cardiovascular diseases at the community level.

Key words: Depression, Cardiovascular metabolic diseases, Primary medical and health care institution, Aged, Single-lead wearable electrocardiographic device, Nomogram, Prediction model

摘要：

背景

心血管代谢疾病与抑郁密切相关。基层心血管代谢疾病管理工作已初具规模，但对于患者抑郁等心理问题一方面缺乏关注，另一方面缺乏简单、准确、高效的筛查评估工具。

目的

应用单导联可穿戴心电设备构建宁夏基层老年心血管代谢疾病患者抑郁发生风险的列线图预测模型并验证。

方法

选取2022年1月—2023年6月宁夏地区5个市的20家基层医疗卫生机构应用单导联可穿戴心电设备采集并上传至云平台的3 121例65岁以上高血压、糖尿病、冠心病等心血管代谢疾病患者的心电图资料及云平台收集的患者社会人口学、生活行为方式、心理健康等资料。采用简单随机抽样方法按3∶1比例分为训练集（2 341例）和验证集（780例）。通过运行RStudio 4.1.1软件，使用LASSO回归分析以及交叉验证筛选最佳预测因子，采用多因素Logistic回归分析构建预测老年心血管代谢疾病患者抑郁发生风险的列线图预测模型，采用受试者工作特征（ROC）曲线、校正曲线及决策曲线评估模型的效能。

结果

LASSO回归筛选出10个变量：性别、BMI、城乡、运动、焦虑、冠心病、期前收缩、RR间期平均值标准差（SDANN）、正常相邻窦性RR间期差值均方根（rMSSD）、睡眠效率；多因素Logistic回归分析结果显示，性别（OR=1.747，95%CI=1.258~2.434）、BMI（OR=1.073，95%CI=1.024~1.125）、城乡（OR=1.684，95%CI=1.172~2.456）、运动（OR=0.610，95%CI=0.460~0.799）、焦虑（OR=3.041，95%CI=1.597~5.484）、冠心病（OR=2.743，95%CI=1.971~3.815），期前收缩（OR=4.745，95%CI=1.681~19.977）、SDANN（OR=4.745，95%CI=1.681~19.977）、rMSSD（OR=0.986，95%CI=0.972~0.999）、睡眠效率（OR=0.988，95%CI=0.982~0.995）是老年心血管代谢疾病患者抑郁发生风险的影响因素（P<0.05）。Logistic回归方程Logit（P）=4.322+0.558×性别+0.071×BMI+0.521×城乡-0.494×运动+1.112×焦虑+1.009×冠心病+1.557×期前收缩-0.011×SDANN-0.014×rMSSD-0.012×睡眠效率，基于此构建列线图预测模型，在训练集和验证集中预测老年慢性病患者抑郁发生风险的ROC曲线下面积分别为0.748（95%CI=0.707~0.786，P<0.001）、0.751（95%CI=0.692~0.809，P<0.001），灵敏度分别为75.2%、76.7%，特异度分别为63.4%、60.6%。临床决策曲线显示，在训练集和验证集中当抑郁风险阈值概率分别在8%~35%、8%~37%时，预测老年心血管代谢疾病患者抑郁发生风险的净收益更高。

结论

性别、BMI、城乡、运动、焦虑、冠心病、期前收缩、SDANN、rMSSD、睡眠效率均是老年心血管代谢疾病患者抑郁发生风险的影响因素。本研究基于单导联可穿戴心电设备构建基层老年心血管代谢疾病患者抑郁发生风险的列线图模型，有较好的预测效能及临床应用价值，不但有助于在基层医疗卫生机构对患者进行抑郁筛查与个体化干预措施的制订，还可助力基层心血管疾病防控工作。

关键词: 抑郁, 心血管代谢疾病, 基层医疗卫生机构, 老年人, 单导联可穿戴心电设备, 列线图, 预测模型

CLC Number:

R 749.42

YU Xinyan,MA Zhong,CAO Fan, et al. Predicting the Risk of Depression in Elderly Patients with Cardiovascular Metabolic Diseases Using Single-lead Wearable Electrocardiography at the Community Level[J]. Chinese General Practice, 2026, 29(10): 1300-1310. DOI: 10.12114/j.issn.1007-9572.2025.0064.
余新艳,马忠,曹凡等. 基于单导联可穿戴心电设备预测基层老年心血管代谢疾病患者抑郁发生风险的研究[J]. 中国全科医学, 2026, 29(10): 1300-1310. DOI: 10.12114/j.issn.1007-9572.2025.0064.

Figures/Tables 7

References 75

[1]	LI D, ZHANG D J, SHAO J J, et al. A meta-analysis of the prevalence of depressive symptoms in Chinese older adults[J]. Arch Gerontol Geriatr, 2014, 58(1): 1-9.
[2]	SIVERTSEN H, BJØRKLØF G H, ENGEDAL K, et al. Depression and quality of life in older persons: a review[J]. Dement Geriatr Cogn Disord, 2015, 40(5/6): 311-339.
[3]	GILMAN S E, SUCHA E W, KINGSBURY M, et al. Depression and mortality in a longitudinal study: 1952-2011[J]. CMAJ, 2017, 189(42): E1304-1310. DOI: 10.1503/cmaj.170125.
[4]	ZHANG Y X, CHEN Y J, MA L N. Depression and cardiovascular disease in elderly: current understanding[J]. J Clin Neurosci, 2018, 47: 1-5. DOI: 10.1016/j.jocn.2017.09.022.
[5]	NOUWEN A, WINKLEY K, TWISK J, et al. Type 2 diabetes mellitus as a risk factor for the onset of depression: a systematic review and meta-analysis[J]. Diabetologia, 2010, 53(12): 2480-2486. DOI: 10.1007/s00125-010-1874-x.
[6]	FINDLEY P, SHEN C, SAMBAMOORTHI U. Multimorbidity and persistent depression among veterans with diabetes, heart disease, and hypertension[J]. Health Soc Work, 2011, 36(2): 109-119. DOI: 10.1093/hsw/36.2.109.
[7]	PAN A, KEUM N, OKEREKE O I, et al. Bidirectional association between depression and metabolic syndrome: a systematic review and meta-analysis of epidemiological studies[J]. Diabetes Care, 2012, 35(5): 1171-1180. DOI: 10.2337/dc11-2055.
[8]	STRIK J J M H, DENOLLET J, LOUSBERG R, et al. Comparing symptoms of depression and anxiety as predictors of cardiac events and increased health care consumption after myocardial infarction[J]. J Am Coll Cardiol, 2003, 42(10): 1801-1807.
[9]	ABRAMSON J, BERGER A, KRUMHOLZ H M, et al. Depression and risk of heart failure among older persons with isolated systolic hypertension[J]. Arch Intern Med, 2001, 161(14): 1725-1730. DOI: 10.1001/archinte.161.14.1725.
[10]	BANSAL A, KUMAR S, BAJPAI A, et al. Remote health monitoring system for detecting cardiac disorders[J]. IET Syst Biol, 2015, 9(6): 309-314. DOI: 10.1049/iet-syb.2015.0012.
[11]	SASSI R, CERUTTI S, LOMBARDI F, et al. Advances in heart rate variability signal analysis: joint position statement by the e-Cardiology ESC Working Group and the European Heart Rhythm Association co-endorsed by the Asia Pacific Heart Rhythm Society[J]. Europace, 2015, 17(9): 1341-1353.
[12]	SINGH N, MONEGHETTI K J, CHRISTLE J W, et al. Heart rate variability: an old metric with new meaning in the era of using mHealth technologies for health and exercise training guidance. part two: prognosis and training[J]. Arrhythmia Electrophysiol Rev, 2018, 7(4): 1. DOI: 10.15420/aer.2018.30.2.
[13]	SUN H Q, GANGLBERGER W, PANNEERSELVAM E, et al. Sleep staging from electrocardiography and respiration with deep learning[J]. Sleep, 2020, 43(7): zsz306.
[14]	HAYANO J, WATANABE E, SAITO Y, et al. Screening for obstructive sleep apnea by cyclic variation of heart rate[J]. Circ Arrhythm Electrophysiol, 2011, 4(1): 64-72.
[15]	余新艳，苏鹏，袁晓静，等. 基层老年慢性病患者心血管疾病综合发生风险的影响因素研究[J]. 中国全科医学, 2024, 27(10): 1186-1193, 1200.
[16]	余新艳，赵珺，赵晓晔，等. 移动智慧医疗在基层老年慢性病患者心血管病防控中的应用研究[J]. 中国全科医学, 2023, 26(33): 4167-4172.
[17]	YU X Y, GUAN L E, SU P, et al. Study on OSA screening and influencing factors in community-based elderly hypertensive patients based on single-lead wearable ECG devices[J]. Sleep Breath, 2024, 28(6): 2445-2456.
[18]	中华医学会，中华医学会杂志社，中华医学会全科医学分会，等. 抑郁症基层诊疗指南(2021年)[J]. 中华全科医师杂志, 2021, 20(12): 1249-1260.
[19]	中华医学会，中华医学会杂志社，中华医学会全科医学分会，等. 广泛性焦虑障碍基层诊疗指南(2021年)[J]. 中华全科医师杂志, 2021, 20(12): 1232-1241.
[20]	Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation, and clinical use[J]. Noninvasive Electrocardiol, 1996, 1(2): 151-181.
[21]	中国老年型糖尿病防治临床指南编写组，中国老年医学学会老年内分泌代谢分会，中国老年保健医学研究会老年内分泌与代谢分会，等. 中国老年2型糖尿病防治临床指南(2022年版)[J]. 中华内科杂志, 2022, 61(1): 12-50.
[22]	VIRANI S S, NEWBY L K, ARNOLD S V, et al. 2023 AHA/ACC/ACCP/ASPC/NLA/PCNA guideline for the management of patients with chronic coronary disease: a report of the American Heart Association/American College of Cardiology Joint Committee on clinical practice guidelines[J]. Circulation, 2023, 148(9): e9-119. DOI: 10.1161/CIR.0000000000001168.
[23]	中国老年医学学会高血压分会，北京高血压防治协会，国家老年疾病临床医学研究中心(中国人民解放军总医院)，等. 中国老年高血压管理指南2023[J]. 中华高血压杂志, 2023, 31(6): 508-538. DOI: 10.16439/j.issn.1673-7245.2023.06.003.
[24]	QASEEM A, HOLTY J C, OWENS D K, et al. Management of obstructive sleep apnea in adults: a clinical practice guideline from the American College of Physicians[J]. Ann Intern Med, 2013, 159(7): 471-483. DOI: 10.7326/0003-4819-159-7-201310010-00704.
[25]	ERVING C L, FRAZIER C. The association between multiple chronic conditions and depressive symptoms: intersectional distinctions by race, nativity, and gender[J]. J Health Soc Behav, 2021, 62(4): 599-617.
[26]	赵慧，王志伟，马婷婷，等. 基于倾向性评分匹配法的慢性病共病对我国中老年人抑郁症状的影响研究[J]. 医学与社会, 2022, 35(6): 127-132, 144. DOI: 10.13723/j.yxysh.2022.06.024.
[27]	郑文娟，戚瑞，王丹，等. 基于健康信念模型理论的中老年2型糖尿病患者服药依从性影响因素分析[J]. 实用预防医学, 2021, 28(8): 991-994.
[28]	刘海燕，马萍，徐清斌，等. 宁夏吴忠市高血压患病率、知晓率、治疗率、控制率的调查分析[J]. 实用医学杂志, 2012, 28(2): 313-316.
[29]	黄紫婷，罗颜，苏鹤轩，等. 中国老年心血管代谢性共病与抑郁症状的关系[J]. 中国慢性病预防与控制, 2021, 29(9): 644-648. DOI: 10.16386/j.cjpccd.issn.1004-6194.2021.09.002.
[30]	CHENG C, INDER K, CHAN S W. The relationship between coping strategies and psychological distress in Chinese older adults with multiple chronic conditions[J]. Australas J Ageing, 2021, 40(4): 397-405. DOI: 10.1111/ajag.12946.
[31]	高月霞，徐程，刘国恩，等. 社会支持对老年人健康相关生命质量影响研究——基于南通的实证[J]. 人口与发展, 2013, 19(4): 73-81. DOI: 10.3969/j.issn.1674-1668.2013.04.009.
[32]	吴小婷，储爱琴，张海玲，等. 孤独感在社区老年慢性病患者述情障碍和抑郁间的中介效应研究[J]. 中国全科医学, 2021, 24(36): 4563-4568. DOI: 10.12114/j.issn.1007-9572.2021.02.082.
[33]	LEE S L, PEARCE E, AJNAKINA O, et al. The association between loneliness and depressive symptoms among adults aged 50 years and older: a 12-year population-based cohort study[J]. Lancet Psychiatry, 2021, 8(1): 48-57.
[34]	李豪豪，李卓群. 患慢性病对老年人抑郁症状的影响[J]. 中国健康教育, 2024, 40(6): 525-530.
[35]	杨丽，陈长香，李建民，等. 城乡老年人睡眠质量现状调查[J]. 现代预防医学, 2006, 33(7): 1297.
[36]	LI W, LIU E C, BALEZENTIS T, et al. Association between socioeconomic welfare and depression among older adults: Evidence from the China health and Retirement Longitudinal Study[J]. Soc Sci Med, 2021, 275: 113814.
[37]	LIU J, WEI W, PENG Q, et al. The roles of life satisfaction and community recreational facilities in the relationship between loneliness and depression in older adults[J]. Clin Gerontol, 2022, 45(2): 376-389.
[38]	KARAGEORGIOU V, CASANOVA F, O'LOUGHLIN J, et al. Body mass index and inflammation in depression and treatment-resistant depression: a Mendelian randomisation study[J]. BMC Med, 2023, 21(1): 355.
[39]	TYRRELL J, MULUGETA A, WOOD A R, et al. Using genetics to understand the causal influence of higher BMI on depression[J]. Int J Epidemiol, 2019, 48(3): 834-848.
[40]	LÓPEZ-GARCÍA E, FAUBEL R, LEÓN-MUÑOZ L, et al. Sleep duration, general and abdominal obesity, and weight change among the older adult population of Spain[J]. Am J Clin Nutr, 2008, 87(2): 310-316. DOI: 10.1093/ajcn/87.2.310.
[41]	LIU X Y, WANG C L, QIAO X X, et al. Sleep quality, depression and frailty among Chinese community-dwelling older adults[J]. Geriatr Nurs, 2021, 42(3): 714-720.
[42]	陈婷，张泽彧，陈喆，等. 睡眠时间不足致脂肪细胞因子分泌紊乱与肥胖相关性的研究进展[J]. 上海交通大学学报(医学版), 2013, 33(3): 359-362.
[43]	GIBSON-SMITH D, HALLDORSSON T I, BOT M, et al. Childhood overweight and obesity and the risk of depression across the lifespan[J]. BMC Pediatr, 2020, 20(1): 25.
[44]	张先庚，王玉婷，刘林峰，等. 基于智慧服务平台的运动方案对糖尿病前期老年人运动效能的影响研究[J/OL]. 成都医学院学报, 2024.(2024-08-28)[2025-01-10].
[45]	MELANCON M O, LORRAIN D, DIONNE I J. Sleep depth and continuity before and after chronic exercise in older men: Electrophysiological evidence[J]. Physiol Behav, 2015, 140: 203-208. DOI: 10.1016/j.physbeh.2014.12.031.
[46]	王潘悦，王艳. 中等强度健步走对中老年高血压患者睡眠质量的影响[J]. 中国运动医学杂志, 2024, 43(6): 465-472.
[47]	REID K J, BARON K G, LU B, et al. Aerobic exercise improves self-rported sleep and quality of life in olderadults with insomnia[J]. Sleep Med, 2010, 11(9): 934-940.
[48]	张易，郑素珍，杨丽薇，等. 中度有氧运动对老年抑郁症病人5-羟色胺、去甲肾上腺素水平及自主神经功能的干预效果研究[J]. 实用老年医学, 2023, 37(6): 595-598.
[49]	王建云. 社区居家失能老年人精神健康的社会支持体系构建研究[D]. 上海: 华东师范大学, 2021.
[50]	YE S, MUNTNER P, SHIMBO D, et al. Behavioral mechanisms, elevateddepressive symptoms, and the risk for myocardial infarction or deathin individuals with coronary heart disease: the REGARDS(reason for geographic and racial differences in stroke)study[J]. J Am CollCardiol, 2013, 61(6): 622-630.
[51]	CARNEY R M, BLUMENTHAL J A, FREEDLAND K E, et al. Low heart rate variability and the effect of depression on post-myocardial infarction mortality[J]. Arch Intern Med, 2005, 165(13): 1486-1491. DOI: 10.1001/archinte.165.13.1486.
[52]	SARAN R K, PURI A, AGARWAL M. Depression and the heart[J]. Indian Heart J, 2012, 64(4): 397-401.
[53]	CARNEY R M, FREEDLAND K E. Depression and coronary heart disease[J]. Nat Rev Cardiol, 2017, 14(3): 145-155.
[54]	GAN Y, GONG Y H, TONG X Y, et al. Depression and the risk of coronary heart disease: a meta-analysis of prospective cohort studies[J]. BMC Psychiatry, 2014, 14: 371.
[55]	VACCARINO V, BADIMON L, BREMNER J D, et al. Depression and coronary heart disease: 2018 position paper of the ESC working group on coronary pathophysiology and microcirculation[J]. European Heart Journal, 2020, 41(17): 1687-1696.
[56]	JHA M K, QAMAR A, VADUGANATHAN M, et al. Screening and management of depression in patients with cardiovascular disease JACC state-of-the-art review[J]. J Am Coll Cardiol, 2019, 73(14): 1827-1845. DOI: 10.1016/j.jacc.2019.01.041.
[57]	李斌，郭颖强，安邦，等. 老年心律失常患者的抑郁、焦虑情绪和睡眠质量及心率变异性的研究[J]. 国际精神病学杂志, 2016, 43(6): 1029-1032.
[58]	王福军，罗亚雄，向红菊，等. 心脏早搏患者伴焦虑抑郁的治疗及其对生活质量的影响[J]. 中国医药, 2012, 7(2): 137-139. DOI: 10.3760/cma.j.issn.1673-4777.2012.02.004.
[59]	BARSKY A J, CLEARY P D, COEYTAUX R R, et al. Psychiatric disorders in medical outpatients complaining of palpitations[J]. J Gen Intern Med, 1994, 9(6): 306-313.
[60]	LOK N S, LAU C P. Prevalence of palpitations, cardiac arrhythmias and their associated risk factors in ambulant elderly[J]. Int J Cardiol, 1996, 54(3): 231-236.
[61]	HOEHN-SARIC R, MCLEOD D R, FUNDERBURK F, et al. Somatic symptoms and physiologic responses in generalized anxiety disorderand panic disorder[J]. Arch Gen Psychiatry, 2004, 61(9): 913. DOI: 10.1001/archpsyc.61.9.913.
[62]	毛家亮，鲍正宇，李春波，等. 对心脏早搏患者伴发的焦虑抑郁症状的治疗及其意义[J]. 中国心脏起搏与心电生理杂志, 2008, 22(3): 206-209.
[63]	STAPELBERG N J, HAMILTON-CRAIG I, NEUMANN D L, et al. Mind and heart: heart rate variability in major depressive disorder and coronary heart disease-a review and recommendations[J]. Aust N Z J Psychiatry, 2012, 46(10): 946-957. DOI: 10.1177/0004867412444624.
[64]	WENNER M M. Sympathetic activation in chronic anxiety: not just at the "height" of stress. editorial focus on "relative burst amplitude of muscle sympathetic nerve activity is an indicator of altered sympathetic outflow in chronic anxiety"[J]. J Neurophysiol, 2018, 120(1): 7-8. DOI: 10.1152/jn.00220.2018.
[65]	MIGLIS M G. Autonomic dysfunction in primary sleep disorders[J]. Sleep Med, 2016, 19: 40-49. DOI: 10.1016/j.sleep.2015.10.001.
[66]	冯蕾，李诺，陈玲，等. 社区老年慢性病患者共病焦虑及抑郁症状的横断面研究[J]. 精神医学杂志, 2023, 36(4): 381-386.
[67]	周云飞，刘铁榜. 矛盾性失眠研究进展[J]. 临床精神医学杂志, 2019, 29(2): 139-141.
[68]	KALMBACH D A, ARNEDT J T, SWANSON L M, et al. Reciprocal dynamics between self-rated sleep and symptoms of depression and anxiety in young adult women: a 14-day diary study[J]. Sleep Med, 2017, 33: 6-12. DOI: 10.1016/j.sleep.2016.03.014.
[69]	MEERLO P, SGOIFO A, SUCHECKI D. Restricted and disrupted sleep: effects on autonomic function, neuroendocrine stress systems and stress responsivity[J]. Sleep Med Rev, 2008, 12(3): 197-210. DOI: 10.1016/j.smrv.2007.07.007.
[70]	彭婉晴，罗帏，周仁来. 工作记忆刷新训练改善抑郁倾向大学生情绪调节能力的HRV证据[J]. 心理学报, 2019, 51(6): 648-661. DOI: 10.3724/SP.J.1041.2019.00648.
[71]	姜敏敏，谭磊，房亚明，等. 广州市社区老年人睡眠质量、自我觉知健康水平与抑郁的相关性[J]. 中国老年学杂志, 2021, 41(18): 4095-4098. DOI: 10.3969/j.issn.1005-9202.2021.18.058.
[72]	HIRATA T, KOGURE M, TSUCHIYA N, et al. Impacts of the urinary sodium-to-potassium ratio, sleep efficiency, and conventional risk factors on home hypertension in a general Japanese population[J]. Hypertens Res, 2021, 44(7): 858-865. DOI: 10.1038/s41440-021-00628-y.
[73]	SINHA S S. Trauma-induced insomnia: a novel model for trauma and sleep research[J]. Sleep Med Rev, 2016, 25: 74-83. DOI: 10.1016/j.smrv.2015.01.008.
[74]	HIRATA T, NAKAMURA T, KOGURE M, et al. Reduced sleep efficiency, measured using an objective device, was related to an increased prevalence of home hypertension in Japanese adults[J]. Hypertens Res, 2020, 43(1): 23-29. DOI: 10.1038/s41440-019-0329-0.
[75]	晏月平，李雅琳. 独居老人的多维健康脆弱性研究——基于"中国老年健康影响因素跟踪调查"的实证分析[J]. 云南民族大学学报(哲学社会科学版), 2022, 39(4): 64-75. DOI: 10.13727/j.cnki.53-1191/c.20220704.007.

变量	训练集（n=2 341）	验证集（n=780）	检验统计量值	P值
年龄（±s，岁）	71.4±5.0	71.4±4.9	0.114^a	0.909
性别[例（%）]			0.079	0.778
男	966（41.3）	327（41.9）
女	1 375（58.7）	453（58.1）
民族[例（%）]			3.317	0.069
汉族	2 098（89.6）	680（87.2）
少数民族	243（10.4）	100（12.8）
城乡[例（%）]			0.247	0.619
城市	1 615（69.0）	530（67.9）
乡镇	726（31.0）	250（32.1）
BMI（±s，kg/m²）	24.8±3.2	24.6±3.2	-1.469^a	0.142
BMI分组[例（%）]			5.763	0.124
<18.5 kg/m²	41（1.8）	24（3.1）
18.5~23.9 kg/m²	921（39.3）	298（38.2）
24.0~27.9 kg/m²	1 019（43.5）	347（44.5）
>27.9 kg/m²	360（15.4）	111（14.2）
受教育程度[例（%）]			1.939	0.585
小学以下	731（31.2）	224（28.7）
小学	614（26.2）	212（27.2）
初中	613（26.2）	207（26.5）
高中及以上	383（16.4）	137（17.6）
职业[例（%）]			0.854	0.653
无职业	1 091（46.6）	359（46.0）
离退休	655（28.0）	231（29.6）
农林牧渔业等	595（25.4）	190（24.4）
吸烟[例（%）]			1.068	0.586
从不	2 026（86.5）	681（87.3）
以前	39（1.7）	9（1.2）
持续	276（11.8）	90（11.5）
饮酒[例（%）]			0.034	0.983
从不	2 132（91.1）	712（91.3）
以前	15（0.6）	5（0.6）
持续	194（8.3）	63（8.1）
饮茶[例（%）]			2.490	0.288
从不	1 985（84.8）	679（87.1）
偶尔	124（5.3）	37（4.7）
经常	232（9.9）	64（8.2）
运动[例（%）]			0.648	0.723
从不	1 049（44.8）	340（43.6）
偶尔	1 060（45.3）	366（46.9）
经常	232（9.9）	74（9.5）
高血压[例（%）]	1 859（79.4）	628（80.5）	0.374	0.541
糖尿病[例（%）]	586（25.0）	184（23.6）	0.580	0.446
冠心病[例（%）]	609（26.0）	201（25.8）	0.008	0.930
焦虑[例（%）]	103（4.4）	34（4.4）	<0.001	>0.999
SDNN（±s，ms）	126.01±33.66	127.08±31.79	0.783^a	0.434
SDANN（±s，ms）	117.81±33.55	117.40±31.56	0.307^a	0.764
rMSSD（±s，ms）	28.19±16.67	27.64±14.48	-0.821^a	0.412
TP（±s，ms²）	10 152.18±5 602.83	9 993.67±5 317.12	-0.693^a	0.488
LF/HF（±s）	1.88±1.17	1.88±1.12	0.014^a	0.989
入睡时间[M（P₂₅，P₇₅），min]	14.17（9.83，32.25）	15.50（9.83，38.17）	133 668.628^b	<0.001
卧床时间（±s，min）	469.91±131.31	467.72±134.37	-0.402^a	0.688
觉醒时间（±s，min）	176.63±114.91	176.03±114.55	-0.127^a	0.899
快速眼动时间[M（P₂₅，P₇₅），min]	32.50（12.00，66.00）	29.75（12.50，61.99）	10 083.152^b	<0.001
浅睡时间[M（P₂₅，P₇₅），min]	56.5（25.0，95.0）	53.0（23.1，95.5）	6 125.387^b	<0.001
深睡时间（±s，min）	108.08±100.03	179.50±105.67	-0.139^a	0.890
睡眠效率（±s，%）	61.56±22.42	61.32±22.71	-0.265^a	0.791
OSA分级[例（%）]			5.063	0.167
无	367（15.7）	112（14.4）
轻度	733（31.3）	234（30.0）
中度	756（32.3）	243（31.2）
重度	485（20.7）	191（24.5）
心律失常类型[例（%）]
期前收缩	2 225（95.0）	751（96.3）	1.752	0.186
室性心动过速	44（1.9）	25（3.2）	4.162	0.041
并行心律	35（1.5）	14（1.8）	0.174	0.677
心室预激	5（0.2）	1（0.1）	<0.001	>0.999
房室传导阻滞	71（3.0）	18（2.3）	0.864	0.353
心房扑动	4（0.2）	1（0.1）	<0.001	>0.999
房性心动过速	612（26.1）	226（29.0）	2.247	0.134
束支传导阻滞	128（5.5）	51（6.5）	1.050	0.305
窦房传导阻滞	29（1.2）	3（0.4）	3.407	0.065
长间歇	66（2.8）	19（2.4）	0.196	0.658
心房颤动	67（2.9）	26（3.3）	0.301	0.583
非危急值分组[例（%）]	92（3.9）	34（4.4）	0.178	0.673

变量	训练集（n=2 341）	验证集（n=780）	检验统计量值	P值
年龄（±s，岁）	71.4±5.0	71.4±4.9	0.114^a	0.909
性别[例（%）]			0.079	0.778
男	966（41.3）	327（41.9）
女	1 375（58.7）	453（58.1）
民族[例（%）]			3.317	0.069
汉族	2 098（89.6）	680（87.2）
少数民族	243（10.4）	100（12.8）
城乡[例（%）]			0.247	0.619
城市	1 615（69.0）	530（67.9）
乡镇	726（31.0）	250（32.1）
BMI（±s，kg/m²）	24.8±3.2	24.6±3.2	-1.469^a	0.142
BMI分组[例（%）]			5.763	0.124
<18.5 kg/m²	41（1.8）	24（3.1）
18.5~23.9 kg/m²	921（39.3）	298（38.2）
24.0~27.9 kg/m²	1 019（43.5）	347（44.5）
>27.9 kg/m²	360（15.4）	111（14.2）
受教育程度[例（%）]			1.939	0.585
小学以下	731（31.2）	224（28.7）
小学	614（26.2）	212（27.2）
初中	613（26.2）	207（26.5）
高中及以上	383（16.4）	137（17.6）
职业[例（%）]			0.854	0.653
无职业	1 091（46.6）	359（46.0）
离退休	655（28.0）	231（29.6）
农林牧渔业等	595（25.4）	190（24.4）
吸烟[例（%）]			1.068	0.586
从不	2 026（86.5）	681（87.3）
以前	39（1.7）	9（1.2）
持续	276（11.8）	90（11.5）
饮酒[例（%）]			0.034	0.983
从不	2 132（91.1）	712（91.3）
以前	15（0.6）	5（0.6）
持续	194（8.3）	63（8.1）
饮茶[例（%）]			2.490	0.288
从不	1 985（84.8）	679（87.1）
偶尔	124（5.3）	37（4.7）
经常	232（9.9）	64（8.2）
运动[例（%）]			0.648	0.723
从不	1 049（44.8）	340（43.6）
偶尔	1 060（45.3）	366（46.9）
经常	232（9.9）	74（9.5）
高血压[例（%）]	1 859（79.4）	628（80.5）	0.374	0.541
糖尿病[例（%）]	586（25.0）	184（23.6）	0.580	0.446
冠心病[例（%）]	609（26.0）	201（25.8）	0.008	0.930
焦虑[例（%）]	103（4.4）	34（4.4）	<0.001	>0.999
SDNN（±s，ms）	126.01±33.66	127.08±31.79	0.783^a	0.434
SDANN（±s，ms）	117.81±33.55	117.40±31.56	0.307^a	0.764
rMSSD（±s，ms）	28.19±16.67	27.64±14.48	-0.821^a	0.412
TP（±s，ms²）	10 152.18±5 602.83	9 993.67±5 317.12	-0.693^a	0.488
LF/HF（±s）	1.88±1.17	1.88±1.12	0.014^a	0.989
入睡时间[M（P₂₅，P₇₅），min]	14.17（9.83，32.25）	15.50（9.83，38.17）	133 668.628^b	<0.001
卧床时间（±s，min）	469.91±131.31	467.72±134.37	-0.402^a	0.688
觉醒时间（±s，min）	176.63±114.91	176.03±114.55	-0.127^a	0.899
快速眼动时间[M（P₂₅，P₇₅），min]	32.50（12.00，66.00）	29.75（12.50，61.99）	10 083.152^b	<0.001
浅睡时间[M（P₂₅，P₇₅），min]	56.5（25.0，95.0）	53.0（23.1，95.5）	6 125.387^b	<0.001
深睡时间（±s，min）	108.08±100.03	179.50±105.67	-0.139^a	0.890
睡眠效率（±s，%）	61.56±22.42	61.32±22.71	-0.265^a	0.791
OSA分级[例（%）]			5.063	0.167
无	367（15.7）	112（14.4）
轻度	733（31.3）	234（30.0）
中度	756（32.3）	243（31.2）
重度	485（20.7）	191（24.5）
心律失常类型[例（%）]
期前收缩	2 225（95.0）	751（96.3）	1.752	0.186
室性心动过速	44（1.9）	25（3.2）	4.162	0.041
并行心律	35（1.5）	14（1.8）	0.174	0.677
心室预激	5（0.2）	1（0.1）	<0.001	>0.999
房室传导阻滞	71（3.0）	18（2.3）	0.864	0.353
心房扑动	4（0.2）	1（0.1）	<0.001	>0.999
房性心动过速	612（26.1）	226（29.0）	2.247	0.134
束支传导阻滞	128（5.5）	51（6.5）	1.050	0.305
窦房传导阻滞	29（1.2）	3（0.4）	3.407	0.065
长间歇	66（2.8）	19（2.4）	0.196	0.658
心房颤动	67（2.9）	26（3.3）	0.301	0.583
非危急值分组[例（%）]	92（3.9）	34（4.4）	0.178	0.673

变量	β	SE	Wald χ²值	Z值	P值	OR（95%CI）
性别（以女为参照）
男	0.558	0.169	12.184	3.318	<0.001	1.747（1.258~2.434）
BMI	0.071	0.024	8.619	2.929	0.003	1.073（1.024~1.125）
城乡（以乡镇为参照）
城市	0.521	0.187	8.045	2.764	0.006	1.684（1.172~2.456）
运动（以从不为参照）
偶尔	-0.208	0.172	1.454	-2.523	0.228	0.812（0.580~1.139）
经常	-2.076	0.600	11.983	-3.520	<0.001	0.610（0.460~0.799）
焦虑	1.112	0.313	12.779	3.556	<0.001	3.041（1.597~5.484）
冠心病	1.009	0.169	37.497	5.999	<0.001	2.743（1.971~3.815）
期前收缩	1.557	0.609	6.521	2.549	0.011	4.745（1.681~19.977）
SDANN	-0.011	0.003	15.158	-3.884	<0.001	0.989（0.983~0.994）
rMSSD	-0.014	0.007	4.214	-2.028	0.043	0.986（0.972~0.999）
睡眠效率	-0.012	0.004	11.706	-3.314	<0.001	0.988（0.982~0.995）

变量	β	SE	Wald χ²值	Z值	P值	OR（95%CI）
性别（以女为参照）
男	0.558	0.169	12.184	3.318	<0.001	1.747（1.258~2.434）
BMI	0.071	0.024	8.619	2.929	0.003	1.073（1.024~1.125）
城乡（以乡镇为参照）
城市	0.521	0.187	8.045	2.764	0.006	1.684（1.172~2.456）
运动（以从不为参照）
偶尔	-0.208	0.172	1.454	-2.523	0.228	0.812（0.580~1.139）
经常	-2.076	0.600	11.983	-3.520	<0.001	0.610（0.460~0.799）
焦虑	1.112	0.313	12.779	3.556	<0.001	3.041（1.597~5.484）
冠心病	1.009	0.169	37.497	5.999	<0.001	2.743（1.971~3.815）
期前收缩	1.557	0.609	6.521	2.549	0.011	4.745（1.681~19.977）
SDANN	-0.011	0.003	15.158	-3.884	<0.001	0.989（0.983~0.994）
rMSSD	-0.014	0.007	4.214	-2.028	0.043	0.986（0.972~0.999）
睡眠效率	-0.012	0.004	11.706	-3.314	<0.001	0.988（0.982~0.995）

Predicting the Risk of Depression in Elderly Patients with Cardiovascular Metabolic Diseases Using Single-lead Wearable Electrocardiography at the Community Level

基于单导联可穿戴心电设备预测基层老年心血管代谢疾病患者抑郁发生风险的研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 7

References 75

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 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.
[3]	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.
[4]	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.
[5]	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.
[6]	MIAO Jingjie, ZHANG Jinwen, WU Qianhao, HAN Peipei. Research Advances on the Effects of Intermittent Fasting on Cardiometabolic Diseases [J]. Chinese General Practice, 2026, 29(18): 2538-2545.
[7]	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.
[8]	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.
[9]	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.
[10]	YANG Tingting, ZHENG Li, LIANG Daqiang, WU fan, YUAN Xianxian, WEI lai, HU Jin, WANG Junhua, WANG Ziyun. Association between Sleep Fragmentation and Arteriosclerosis among Population Aged 40-65 Years [J]. Chinese General Practice, 2026, 29(16): 2190-2197.
[11]	LI Jiali, LIU Fan, KE Lixin, LI Huijuan, WANG Haibo, ZHAO Xiaoxiao, ZHAO Xinke, LU Cuncun. Disease Burden of Obesity among Individuals Aged 60 and above Globally and in China from 1990 to 2021: Trend Analysis and Model-based Projection [J]. Chinese General Practice, 2026, 29(15): 2067-2076.
[12]	LIU Fan, CHEN Qiuyu, LI Jing. Development and Validation of a Nighttime Hypertension Screening Model for Subclinical High-risk Populations: a Single-center Cohort Study [J]. Chinese General Practice, 2026, 29(15): 1998-2005.
[13]	ZHENG Renkuo, HUA Fei. The Correlation between Metabolic Dysfunction-associated Steatotic Liver Disease and Papillary Thyroid Carcinoma [J]. Chinese General Practice, 2026, 29(15): 2029-2036.
[14]	WANG Siman, ZHANG Mengchu, LI Wen, XU Ai, XU Jin, GUO Rui, YAN Haixia. Research on the Construction of a Risk Prediction Model for Primary Hypertension with Left Ventricular Hypertrophy Based on TCM Syndromes and Pulse Graph Parameters [J]. Chinese General Practice, 2026, 29(14): 1840-1848.
[15]	XIANG Tong, HUANG Yafang, WU Hao. Investigation Study on Older People's Willingness to Use Webcast Exercise Guidance: Based on the UTAUT Model and the Perceived Risk Theory [J]. Chinese General Practice, 2026, 29(13): 1720-1725.