Nature子刊！中国学者多库联合锁定最强死亡预测指标，“逆向追踪”新思路太亮眼

源自风暴统计网一键统计分析与绘图的AI网站引言今天这篇文章创意满满竟然突破传统纵向追踪思维以“死亡”为起点进行倒推刻画轨迹。再加上多库联合、跨国对比这种强大的数据挖掘能力和思路创新真的太值得借鉴了ps面对海量数据不知道如何挑选和分析郑老师团队的公共数据库挖掘服务提供保姆级、针对性指导发文再也不卡壳认知和功能衰退是老年人死亡风险的关键指标。然而这些衰退究竟从何时开始、以何种速度推进以及其跨国适用性仍不清楚。更关键的是鲜有研究采用“反向时间尺度”——即以死亡为终点倒推时间——来重构临终前的衰退轨迹而这正是识别最早受损功能和最快加速衰退的关键所在。2026年3月31日南方医科大学学者整合CHARLS、ELSA、HRS和 SHARE四大公共数据库在顶刊Nature子刊《Translational Psychiatry》医学二区top IF6.2)发表了一篇题为“Long-term trajectories of memory, depression, and mobility independence before death: a multi-cohort study”的研究论文。研究旨在系统描绘老年人在死亡前记忆、抑郁症状、日常生活活动能力ADL及工具性日常生活活动能力IADL的变化轨迹并识别与即将死亡关联最强的早期衰退指标。研究表明记忆表现是即将死亡的最强有力的预测指标其次是日常生活活动能力衰退。本公众号回复“ 原文”即可获得文献PDF等资料如需CHARLS数据库方法学习请联系郑老师团队微信号aq566665研究基于四个大型纵向老龄化队列的数据中国健康与退休纵向研究CHARLS2011-2018年英国老龄化纵向研究ELSA2002-2016年美国健康与退休研究HRS1996-2020年欧洲健康、老龄化与退休调查SHARE2011-2019年。经纳排最终分别纳入1354、1383、10516和8351例死亡病例并为每例死亡匹配一名存活对照。日常生活活动能力包括6项基本自我照顾任务例如吃饭穿衣工具性日常生活活动能力包括5项高阶功能任务例如购物服药抑郁症状采用CES-D量表测量。研究采用反向时间尺度方法将死亡年份设为第0年。使用混合效应模型估计各指标的轨迹并应用样条函数处理非线性关联。主要研究结果结果显示在所有队列中死亡个体的记忆表现显著下降。CHARLS 队列中死亡个体在死亡前 3 年开始急剧下降系数-0.0189p0.0001ELSA、HRS 和 SHARE 中趋势一致。图1 死亡前记忆轨迹死亡个体的抑郁评分逐渐升高。CHARLS 中死亡个体与存活个体差异从死亡前 6 年开始出现ELSA 为 4 年多数队列在死亡前 1-2 年达到峰值。图2 死亡前抑郁症状轨迹ADL 评分显示个体的日常生活活动能力早期即出现下降。CHARLS 中死亡与存活的显著差异出现在死亡前 7 年HRS 中甚至更早死亡前 24 年。图3 死亡前日常生活活动能力轨迹所有队列中工具性日常生活活动能力在死亡前最后 4-5 年出现显著变化但变化较 ADL 更渐进。图4 死亡前工具性日常生活活动能力轨迹各指标与死亡的关联强度对比显示记忆表现与死亡关联最强其次是 ADL 评分。综上所述研究揭示了记忆表现、抑郁评分、ADL 和 IADL 功能在死亡前的动态变化轨迹。记忆下降是即将死亡的最强预测指标其次是 ADL 衰退。这些发现强调将认知和功能评估纳入老年人常规健康监测的重要性这有助于早期识别高危人群并优化临终关怀策略。郑老师统计团队及公众号全国较大的线上医学统计服务平台专注于医学生、医护工作者学术研究统计支持我们是你们统计助理我们提供各式医护科研设计与统计服务1️⃣研究者发起的临床试验项目2️⃣临床预测模型与机器学习方法3️⃣医学数据库NHANES、GBD、孟德尔随机化等挖掘发表级数据4️⃣NHANES、CHARLS医学数据库保发表训练营联系助教陈老师咨询微信号sas555777记得点个小小的关注持续分享CHARLS数据库的高分发文思路