抑郁症与慢性疾病的关系，像一场无声的“双向拉扯”。情绪障碍可能通过炎症反应、激素失衡加剧代谢问题，而慢性病的折磨又可能加深抑郁症状。
尽管两者关联已被察觉，但过去研究多聚焦单一疾病，对“多病共存”的长期趋势、人群差异鲜少深入。
2025年3月1日，上海交通大学本科生用NHANES数据库，在期刊《Journal of Affective Disorders》（医学二区Top，IF=4.9）发表题为：“Trends in prevalence and multimorbidity of metabolic, cardiovascular, and chronic kidney diseases among US adults with depression from 2005 to 2020”的研究论文，旨在探讨2005至2020年间，抑郁症患者心脏代谢疾病（血脂异常、高血压、糖尿病和心血管疾病等）和慢性肾病（CKD）的患病率及多病共存（同时患≥3种疾病）的情况。
研究结果表明，从2005至2020年，与非抑郁症个体相比，抑郁症患者的心脏代谢疾病、慢性肾病和多病共存的患病率稳定较高。
研究团队基于美国国家健康与营养调查（NHANES）数据库2005-2020年的数据，经过纳排，最终纳入了3,412名年龄≥18岁≥20岁且未怀孕的、符合条件的抑郁症患者，加权平均年龄为47.5岁，37.7%为男性。
主要研究发现，从2005年到2020年，美国成年抑郁症患者的心脏代谢疾病和CKD的患病率以及多病共存（≥3种）情况，在总体样本中呈现稳定的较高水平。
以2017-2020年为例，抑郁症患者的患病率从CVD的17.1%到血脂异常的58.4%不等。其中，多病共存在抑郁症患者中很常见，占40.7%。
图1 2017-2020年，参与者中心脏代谢疾病、CKD以及多病共存的患病率
图2 参与者心脏代谢疾病、CKD的患病率和多病趋势
此外，相较于非抑郁症者，抑郁症患者的CVD、糖尿病、严重肥胖和多病共存的患病率明显升高，从肥胖的22%到CVD的85%不等。
图3 2017-2020年，抑郁症患者与非抑郁症患者的心脏代谢疾病、CKD患病率和多病共存的差异
综上所述，美国成年抑郁症患者罹患心脏代谢疾病、慢性肾病的风险稳定较高，并且多病共存（≥3种）的情况也很常见。
统计知识点汇总
1. 数据来源
美国国家健康与营养调查（NHANES）数据库：
NHANES数据库是一项旨在评估美国成人和儿童的健康和营养状况的研究计划。该数据库涵盖了多种健康指标的数据收集和分析。
2.研究设计思路：
P（Population）参与者：从NHANES数据库2005-2020年的数据中，纳入的3,412名年龄≥18岁≥20岁且未怀孕的、符合条件的抑郁症患者；
E（exposure）暴露因素：抑郁症（通过PHQ-9评分≥10诊断）；
O（outcome）结局：参与者代谢性疾病（如糖尿病、肥胖）、心血管疾病（如高血压、心血管事件）、慢性肾病的患病率及多病共存（≥3种疾病）；
S（Study design）研究类型：横断面研究。
3. 统计方法
Joinpoint回归分析（趋势分析）
Joinpoint回归是一种分段线性回归模型，用于识别时间序列数据中趋势变化的“转折点”（Joinpoint）。通过计算不同时间段内患病率的年均变化百分比（APC）或相对百分比变化，判断趋势是否显著上升、下降或保持稳定。
本文中，研究团队将数据分为4个周期（2005–2008、2009–2012、2013–2016、2017–2020），用该方法分析2005–2020年间，美国抑郁症患者中心脏代谢疾病和慢性肾病患病率以及多病共存的长期趋势。
ps：想要了解更多Joinpoint回归的朋友，可以阅读我们之前发表的一篇文章：
包教包会！仅用Joinpoint回归分析拿下一区top（IF=9.2）
倾向评分加权
倾向评分加权是一种用于观察性研究中调整混杂变量的方法，目的是通过平衡处理组（如抑郁症患者）和对照组（非抑郁症患者）的协变量分布，减少选择偏倚。
在这篇文章中，研究团队用该方法比较2017–2020年间，抑郁症患者与非抑郁个体的疾病患病率差异。
调整变量包括人口学特征（年龄、性别、种族）、生活方式（吸烟、饮酒、体力活动）及代谢指标（BMI、饮食质量）。
具体步骤：通过Logistic回归模型计算倾向评分（个体患抑郁症的概率），并根据评分生成权重（抑郁症患者权重=1/倾向评分，非患者权重=1/(1-倾向评分)），以平衡两组间的混杂因素（如年龄、性别、BMI等），减少选择偏倚。
年龄标准化与亚组分析
在本文中，研究团队按年龄（20–44岁、45–64岁、≥65岁）、性别、种族、教育水平、吸烟状态、BMI将参与者分为不同的亚组，比较在各亚组中抑郁症患者的疾病患病率和多病共存情况。
同时，以2017–2020年NHANES抑郁症患者的年龄分布作为参考，计算各亚组的年龄调整患病率，消除年龄结构差异的影响。
无论你是医学生、科研新手，还是临床工作者，NHANES数据库都是解锁高质量研究的“金钥匙”——没有数据照发SCI！
而郑老师团队推出 「NHANES一对一指导课程」，专为小白打造：
✅ 手把手教学：从数据下载、清洗到统计分析，全程实战演练；
✅ 个性化选题：结合你的研究方向，提供高价值SCI选题建议；
✅ 方法全流程辅导：一对一指导统计分析方法，助你高效成文！
欢迎关注“公共数据库与孟德尔随机化”公众号
我们将持续为你提供NHANES数据库优秀文章的思路剖析和方法解读！
