预计到2050年，我国60岁及以上人口将达5.2亿，占全球老年人口的25%[1]。随着老龄化进程加速，老年群体的心理健康问题成为社会关注的焦点。抑郁症是我国老年人最常见的精神健康障碍之一，患病率达25.55%，显著增加老年人患慢性病及死亡的风险[2-4]。老年抑郁症状随时间动态变化，其发展轨迹呈现出群体异质性[5]。大多数研究仅在单一时间点筛查老年人群抑郁状况，导致病情评估不全面；而持续筛查则加重了医护人员负担[6]。近年来，精准医学的发展推动了纵向轨迹建模方法在健康领域的广泛应用。该方法可将具有相似轨迹特征的个体划分为不同群组，通过识别亚组及其影响因素，实现对抑郁症的早期识别与预防，成为积极应对老龄化的重要途径之一[7]。然而，现有研究在轨迹类别、轨迹命名及影响因素等方面存在一定的差异。范围综述是一种系统收集并梳理特定主题文献，以全面了解研究现状及空白的方法[8]。因此，本研究对老年抑郁轨迹类别及其影响因素的相关研究进行范围综述，分析研究现状与不足，为临床实践及后续研究提供参考。

1 资料与方法

1.1 确定研究问题

基于范围综述框架，确定研究问题如下：①我国老年人抑郁变化都存在哪些轨迹？轨迹是如何命名的？②影响老年人抑郁轨迹的影响因素有哪些？③该领域研究存在哪些不足？

1.2 纳入及排除标准

1.2.1 纳入标准①研究对象为中国老年人（≥60岁）；②研究类型为纵向研究；③研究内容围绕老年人抑郁发展轨迹进行研究，且抑郁轨迹为主要结局指标；④研究方法为使用潜在轨迹建模方法描述抑郁轨迹。

1.2.2 排除标准①非中英文文献；②无法获取原文；③样本量＜200；④随访次数＜3次[9]；⑤研究对象具有特殊性或处于某一疾病状态；⑥抑郁与其他特征联合建模，非独立轨迹。

1.3 文献检索

采用主题词与自由词相结合的方式。系统检索中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库、PubMed、Web of Science核心合集数据库、Cochrane Library、Embase、CINAHL数据库。检索时限为建库至2025年4月16日。中文检索词包括“老年”“抑郁/抑郁状态”“发展轨迹/轨迹/变化轨迹/潜变量增长混合模型/ 增长混合模型/ 组基轨迹模型”。英文检索词包括“Aged/elderly/older adults/senior”“Depressive disorders/depressive syndrome/depression/mood disorders/mental illness”“trajectory/development trajectories/group based trajectory model/group based trajectory analysis/latent class growth analysis/latent class growth model/growth mixture model”。

1.4 文献筛选和资料提取

文献筛选由两名研究者独立完成，若意见不合，由第三人决断。应用NoteExpress软件进行去重，阅读标题和摘要进行初步筛选，对符合纳入标准的文献仔细阅读，全文复筛。最终纳入文献按照设计的Excel表格将作者、样本量、数据来源、评估工具、随访时间及次数、统计方法、轨迹数量及类别、影响因素的相关内容进行提取。

2 结果

2.1 文献筛选结果

初步检索出文献2 391篇，通过NoteExpress去重后剩余1 860篇，最终纳入16篇文献[6,10-24]。文献筛选流程图见图1。

图1 文献筛选流程

2.2 纳入文献基本特征

共纳入16篇研究：13篇[6,10-11,13-18,20,22-24]为近5年发表的文献；6篇[6,10-14]中文文献；10篇[15-24]为英文文献。见表1。

表1 老年人群抑郁长期轨迹的异质性研究的基本特征表

注①：CESD-10；②：CESD-20；③：GDS-15。CHARLS：中国健康与养老追踪调查；BLSA：北京老龄化纵向研究；Mr.OS and Ms.OS：香港骨质疏松症骨折风险男性与女性队列研究；LCGM：潜类别增长模型；GBTM：组基轨迹模型；GBDTM：基于组基的双轨迹模型；GMM：增长混合模型；CES-D：流调中心抑郁；GDS：简版老年抑郁量表。

2.3 抑郁评估工具

在纳入的研究中，评估工具以流调中心抑郁量表（center for epidemiologic studies depression scale，CESD）为主，1项研究[21]采用了20个条目四分制的CES-D量表；14项研究[6,10-20,23-24]使用了10个条目简短版CES-D量表。此外，1项研究[22]采用了简版老年抑郁量表（geriatric depression scale，GDS）-15进行评估。

2.4 轨迹分析方法

2.4.1 模型的构建 近一半研究统计学方法采用组基轨迹模型（group-based trajectory modeling，GBTM）又称潜类别增长模型（latent class growth model，LCGM）[6,10,13,16,19,22]；3项研究[14,18,21]使用GBTM的扩展形式即双轨迹模型（group-baseddual trajectory model,GBDTM）；5项研究[11-12,15,17,23]应用潜变量增长混合模型（growth mixture model,GMM）；2项研究[20,24]同时应用LCGM与GMM。见表1。

2.4.2 轨迹命名原则 多数研究依据基线抑郁评分及轨迹变化走向进行命名[15-17,19,21,23]。3项研究[6,10,24]结合随访期间抑郁评分均值水平及轨迹走向进行命名。1项研究[20]基于随访期间抑郁评分均值水平及抑郁症状出现时间进行命名。此外，还有研究仅用变化趋势或整个随访期间抑郁评分均值水平进行命名[18,22]。4项研究[11-14]未提及如何命名。

2.5 轨迹数及轨迹类别

老年抑郁症状的轨迹数量为2～6个，大多数确定了4个轨迹类别。轨迹可分为稳定型轨迹与不稳定型轨迹两大类。见表2。

表2 纳入研究中老年人群抑郁轨迹数量、类别及影响因素

注“-”表示未提及。class：组；ADL：日常生活活动能力；IADL：工具性日常生活活动能力；SPPB：简易体能状况。

2.5.1 稳定的轨迹 稳定型轨迹指个体抑郁症状水平随时间推移保持相对恒定，根据症状严重程度可分为以下三种表现形式。①“无抑郁症状组”（亦称稳定低抑郁症状组或正常组）。两项研究对该类个体进行了更细致的划分：一类为无抑郁稳定低水平组（另一研究称为抑郁低风险组），其比例分别为34.00%和11.77%；另一类为稍高水平稳定无抑郁组（对应抑郁中风险组），其比例分别为43.20%和38.43%[6,19]。其他未进一步细分的研究中，该类轨迹的比例介于15.40%～86.77%。②“稳定中度抑郁组”，其比例约为20.96%[11]。③“稳定高抑郁组”（亦称抑郁症状持续组或抑郁组），不同研究中其比例介于2.20%～17.59%。

2.5.2 不稳定的轨迹-线性发展轨迹 总体呈下降趋势的轨迹表现包括：①基线时抑郁评分高，随着时间下降但仍高于抑郁阈值[17,20,23-24]；②基线时已达到抑郁阈值，随着时间的变化降至阈值以下[10,22]；③抑郁评分逐年下降[12-13,15-16,19]。呈现上升趋势的轨迹表现包括：①基线时无抑郁，随着时间不断上升至达到抑郁，称为“新发症状加重/抑郁出现组”[10,14,23-24]；②基线时已达到抑郁，随着时间抑郁评分仍不断升高[22]；③基于症状量表，抑郁评分均值逐年上升[6,13-17,19-20]。

2.5.3 不稳定的轨迹-非线性发展轨迹 该轨迹随时间发展呈现出二次变化，包括抑郁量表得分先增加后下降,该组占比为7%[19]；先下降后上升但未达到阈值称“后期增加组”[22]；先下降后上升至阈值以上的轨迹为“复发组”，其比例在两项研究中分别为6.70%和16.88%[11-12]。

2.6 老年人群高抑郁负担不良轨迹的影响因素

3项研究[12,15,24]未分析影响因素。对于已分析影响因素的研究，均使用抑郁评分稳定处于低水平的轨迹类别作为参考,以比较稳定高抑郁、抑郁增加等高抑郁负担不良轨迹的影响因素。老年人群不良抑郁轨迹的影响因素见表2。

2.6.1 一般人口学因素 9项研究[6,10-11,14,18-20,22-23]探讨了人口学因素对老年抑郁轨迹的影响（表3）。其中7项研究[6,10-11,14,18-19,23]结果显示教育程度是影响因素：2项研究[6,11]分别表明受教育程度为初中及以上、大专及以上为不良轨迹组的保护性因素；4项研究[10,18-19,23]显示教育水平越高，进入不良轨迹的风险越低；2项研究[14,22]则显示教育程度对不良抑郁轨迹无显著影响。吸烟被3项研究[10,14,18]视为不良轨迹的危险因素；而1项研究[11]未发现显著预测作用。此外，多项研究[6,10-11,22-23]表明无配偶的老年人更容易经历持续抑郁或抑郁加重；2项研究[18-19]发现婚姻状况与抑郁轨迹无关。

表3 老年抑郁不良轨迹的一般人口学影响因素

注“-”表示未提及。√：危险因素；○：保护性因素；NS：结果无统计学意义。

2.6.2 健康状况与功能因素 慢性病数量多[11,18-19,22]、躯体疼痛[6,11,13]、工具性日常生活活动能力（instrumental activity of daily living，IADL）受损[6,11,13,18,21]、日常生活活动能力（activities of daily living，ADL）受损[6,11,18]、抑郁评分高[20,22]、既往抑郁史[19]、自评健康状况差[11,13]，简易体能状况量表（short physical performance battery，SPPB）评分低[16]、身体功能差[19]、心血管疾病[14]及认知功能受损[14,20,22]均为不良轨迹的危险因素。Li等[21]采用双轨迹模型进一步发现IADL评分增加较晚的个体更容易出现抑郁情绪。

2.6.3 生活与环境因素 睡眠状况差[13,20]、健康相关生活质量差[19,22]、二氧化氮污染[22]、疫情[6]是不良轨迹的危险因素；饮食习惯每日≥3餐[11]是保护性因素。

2.6.4 心理与社会因素 生活满意度及经济满意度低[13,19]、童年虐待[17]、较低的社会支持与社会参与[13,19]是危险因素；有医保[11,18]、有养老金[11]则是保护性因素。Pan等[18]采用双轨迹模型研究发现低社会参与轨迹的老年属于高抑郁组的可能性更高。

3 讨论

3.1 我国老年抑郁问题普遍且严重，抑郁发展变化存在异质性

老年抑郁轨迹研究侧重揭示群体的异质性和个体差异。研究识别出2～6条不同的抑郁轨迹，普遍存在稳定、缓解、恶化3种形态。其中稳定无抑郁组占比最大，近1/3的老年可能会经历持续抑郁、新发或复发的抑郁症状。不同研究中轨迹数量及类别的差异可能源于研究设计和建模方法的不同。研究设计中，纳入已有抑郁老年的研究可能呈现稳定高抑郁和复发等多种轨迹[20]；将其排除的研究则不包括上述轨迹类别[22]。建模方法中，GMM相较于GBTM，可能识别出更多的轨迹类别[25]。故在研究时可采用多模型比较方法，以减少因建模方法差异带来的偏倚。研究发现，国外老年抑郁轨迹类型与我国相似，但我国稳定无抑郁组的比例显著低于韩国，稳定高抑郁组占比显著高于韩国（2.8%）[26]。同时，我国稳定高抑郁组和抑郁上升组比例也高于欧洲国家（4%～5%和7.9%～11.9%）[27-28]。可见，我国老年群体的抑郁问题普遍且严重。故需根据我国具体情况，制订本土化的干预模式，以提升老年群体的整体心理健康水平。

3.2 轨迹命名的差异影响研究间的可比性，命名有待进一步规范

研究发现量表的界定标准对轨迹的命名影响显著。以CESD-10量表为例，6项研究[6,10,17-18,23-24]采用≥10分作为抑郁症状判定标准；另外8项研究[11-16,19-20]则无明确临界值，仅以分数高低反映抑郁严重程度。这种差异导致对相似轨迹的命名不一致。例如，呈现上升趋势的轨迹，有研究将其命名为“抑郁症状出现组”[10]；部分研究则称为“抑郁症状增加组”[15-16]。因此，建议未来研究在报告中详细说明量表界定标准及轨迹命名的逻辑，并采用包括基线抑郁情况、轨迹趋势及末次随访抑郁情况的三部分命名法。

3.3 老年抑郁异质性轨迹受多维度因素的影响，对其深入研究存在不足

人口学因素对老年抑郁轨迹有重要影响。老年女性易因外部压力引发情绪波动，引发或加重抑郁症状[14]。无伴侣支持的老年人更易感到孤独，孤独感是抑郁症状加重的关键因素[29]。农村及西部地区医疗资源匮乏，老年心理问题未被及时识别和治疗，使抑郁症状得以持续或加重。吸烟可引起神经递质失衡，加重抑郁症状。关于教育程度对抑郁轨迹的影响存在争议。一方面，不同研究在教育变量的处理方式及分类标准上存在差异，影响结果的可比性。另一方面，部分研究中高教育组样本量偏小，可能降低统计效能。但研究普遍认为教育程度越高，健康素养越高，有助于老年人更好地维持与改善心理健康。

生理健康与心理健康密切相关，健康状况与日常功能下降直接影响老年抑郁的发生。自评健康作为主观指标能反映老年人的客观健康状况，自评健康良好，其属于不良抑郁轨迹的可能就越低。慢性病数量则直观反映老年人健康状况，且与抑郁呈剂量反应关系[30]。慢性疾病越多，身体功能越差，进而滋生或加重抑郁症状[31]。认知功能下降通过影响下丘脑-垂体-肾上腺轴加剧抑郁状态，恐惧发展为痴呆的情绪也会进一步加重抑郁症状[32]。

生活与环境因素也是抑郁不良轨迹的重要影响因素。睡眠障碍导致促炎性细胞因子水平升高，促进老年抑郁的进展[33]。每日少于三餐的老年人因营养不良，可能更易呈现中高水平的抑郁轨迹[11]。空气污染可引发神经系统氧化损伤和慢性炎症，随时间积累可能诱发或加重抑郁症状[34]。老年人作为弱势群体，面对突发公共卫生事件易产生恐慌和无助，导致心理健康恶化[6]。

心理与社会因素对老年抑郁的发生和发展至关重要。童年虐待与老年心理健康状况不佳有关，且随着年龄的增长，心理健康的差距会扩大[35]。经济困难与医疗保障缺失使老年人在面对压力时更脆弱。良好的社会支持及参与能为老年人提供机会和资源，帮助其形成积极的生活态度，从而降低抑郁的发生风险[36]。

本研究存在以下不足：①多数研究仅在基线测量影响因素，忽略了其可能随时间变化的事实。可引入时间变化协变量与非线性混合模型或采用多轨迹模型，以全面揭示影响因素随时间变化对抑郁轨迹的作用[37-38]。②多关注难以干预的因素，限制成果转化。可聚焦运动习惯、中医体质等可干预因素，为个性化干预提供有效途径。

4 小结

本研究总结了我国老年人群抑郁的异质性发展轨迹及其影响因素，结果显示老年抑郁的变化在稳定性和严重程度方面存在显著异质性。纵向轨迹建模识别老年抑郁异质性发展轨迹的研究方法有助于实现预测-预防-个性化干预三位一体的管理模式，推动健康老龄化目标的实现。但现有研究在轨迹命名标准化及影响因素深入识别方面仍存在一定局限，需进一步探索。同时，如何将研究成果有效融入老年健康管理体系并实现转化，仍需进一步研究，以全面提升老年心理健康管理水平。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1]吴萍，黄光彪，谭忠林，等.中国老年人抑郁障碍患病率的Meta分析[J].四川精神卫生，2024，37（6）：576-582.

[2]荣健，戈艳红，孟娜娜，等.2010～2019年中国老年人抑郁症患病率的Meta分析[J].中国循证医学杂志，2020，20（1）：26-31.

[3]ZHANG F，BAI Y，ZHOU R，et al.Association of depressive symptoms and incident chronic kidney disease in middleaged and older adults[J].Gen Hosp Psychiatry，2024，91（1）：122-129.

[4]LIU F，YE J，WEI Y，et al.Factors associated with a high level of suicide risk among patients with late-life depression：a cross-sectional study from a tertiary psychiatric hospital in Guangzhou China[J].BMC Geriatr,2024，24（1）：933.

[5]BERGMANN E，HARLEV D，WOLPE N.Depressive symptoms are linked to age-specific neuroanatomical and cognitive variations[J].J Affect Disord，2024，369：1013-1020.

[6]吴双赢，谢子恒，庄严.2888名老年人抑郁症状发展轨迹及影响因素研究[J].护理学报，2024，31（14）：6-12.

[7]SUN D，FANG H，WANG J，et al.Group-based trajectory modeling for fear of cancer recurrence in cancer survivors：a systematic review [J].J Cancer Surviv，2025，19（5）：1675-1693.

[8]仇如霞，顾艳荭.范围综述报告规范（PRISMA-ScR）的解读[J].中国循证医学杂志，2022，22（6）：722-730.

[9]李秉哲，姜棋竞，卢珍珍，等.潜变量混合模型原理及其在临床研究中的应用价值[J].中国循证医学杂志，2024，24（10）：1224-1230.

[10]胡依，闵淑慧，郭芮绮，等.基于组基轨迹建模的中国老年人抑郁症状发展轨迹研究[J].现代预防医学，2022，49（4）：695-699.

[11]黄立群，陈凌玉，高小芬，等.我国老年人抑郁轨迹及其预测因素[J].护理研究，2023，37（14）：2525-2528.

[12]黄立群，李华，陈焕琴，等.我国老年人抑郁情绪的异质性轨迹——基于CHARLS数据[J].浙江医学教育，2019，18（4）：38-40.

[13]秦慧，陈娜，卓力.社会参与对老年人抑郁轨迹的影响[J].现代预防医学，2024，51（5）：888-898.

[14]张洁，李佳男，黄妤洁，等.基于双轨迹模型的老年人抑郁症状与身体功能障碍的关联性研究[J].现代预防医学，2025，52（3）：513-519.

[15]LIANGY.Heterogeneityin the trajectories of depressive symptoms among elderly adults in rural China：The role of housing characteristics[J].Health Place，2020，66：102449.

[16]BAO M，CHAO J，ZHANG N，et al.The association between the Short Physical Performance Battery and longitudinal trajectories of depressive symptoms among Chinese older adults[J].Psychogeriatrics，2023，23（6）：1027-1035.

[17]WANG W，XU L，ZHANG H.Childhood maltreatment and association with trajectories of depressive symptoms among older adults：a longitudinal study in China [J].Aging Ment Health，2024，28（9）：1225-1233.

[18]PAN C，CAO N.Dual trajectories of depression and social participation among Chinese older adults [J].Geriatr Nurs，2023，53：153-161.

[19]HSU H C.Group-based trajectories of depressive symptoms and the predictors in the older population [J].Int J Geriatr Psychiatry，2012，27（8）：854-862.

[20]LIN S，WU Y，HE L，et al.Prediction of depressive symptoms onset and long-term trajectories in home-based older adults using machine learning techniques [J].Aging Ment Health，2023，27（1）：8-17.

[21]LI X，WANG W，GAO Q，et al.The trajectories and correlation between physical limitation and depression in elderly residents of Beijing，1992—2009[J].PLoS One，2012，7（8）：e42999.

[22]ZHAO Y，LIU Q，CHEN Y，et al.Trajectories of depressive symptom and its association with air pollution：evidence from the Mr.OS and Ms.OS Hong Kong cohort study [J].BMC Geriatr，2024，24（1）：318.

[23]XIE Y，MA M，WANG W.Trajectories of depressive symptoms and their predictors in Chinese older population：Growth Mixture model[J].BMC Geriatr，2023，23（1）：372.

[24]CHEN X，LIN S，ZHENG Y，et al.Long-term trajectories of depressive symptoms and machine learning techniques for fall prediction in older adults：Evidence from the China Health and Retirement Longitudinal Study（CHARLS）[J].Arch Gerontol Geriatr，2023，111：105012.

[25]NGUENA N H，PAGÉ M G，KATZ J，et al.Trajectory Modelling Techniques Useful to Epidemiological Research：A Comparative Narrative Review of Approaches[J].Clin Epidemiol，2020，12：1205-1222.

[26]CHENG Y，THORPE L，KABIR R，et al.Latent class growth modeling of depression and anxiety in older adults：an 8-year follow-up of a population-based study[J].BMC Geriatr，2021，21（1）：550.

[27]ZHU J，ZANINOTTO P，DI GESSA G.Pre-pandemic trajectories of depressive symptomatology and their relation to depression during the COVID-19 pandemic：longitudinal study of English older people [J].BJPsych Open，2023，9（6）：e195.

[28]CERMAKOVAP，CSAJBÓKZ.Household crowdingin childhood and trajectories of depressive symptoms in mid-life and older age[J].J Affect Disord，2023，340：456-461.

[29]PUYANÉ M，CHABRERA C，CAMÓN E，et al.Uncovering the impact of loneliness in ageing populations：a comprehensive scoping review[J].BMC Geriatr，2025，25（1）：244.

[30]LIANG D Y，CHEN X，LI K H.CHARLS insights into the impact of dual interactions of chronic diseases on depression in middle-aged and elderly individuals [J].Sci Rep，2025，15（1）：12433.

[31]杨晞雅，田侃.采用CHARLS数据研究慢性病共病与抑郁症状并发对中国老年人失能风险的影响[J].现代预防医学，2024，51（23）：4266-4271.

[32]LI C，WANG W，WEI Y，et al.Association between cognitive decline and depression in middle-aged and older adults：Findings from six large cohorts in different countries [J].J Affect Disord，2025，371：215-223.

[33]CHARRIER A，OLLIAC B，ROUBERTOUX P，et al.Clock Genes and Altered Sleep-Wake Rhythms：Their Role in the Development of Psychiatric Disorders [J].Int J Mol Sci，2017，18（5）：938-959.

[34]ZHONG Y，GUO J，WANG H，et al.The impact of fine particulate matter on depression：Evidence from social media in China[J].PLoS One，2025，20（3）：e0320084.

[35]GE T，LIU Y，HAN Q，et al.Childhood intra-and extra-familial maltreatment and later-life trajectories of depressive symptoms：evidence from China [J].BMC Geriatr，2024，24（1）：598.

[36]WANG C，HUANG Z，LU Z，et al.Social Interaction as a vital factor in alleviating depressive symptoms among middleaged and elderly adults：evidence from the CHARLS [J].Aging Clin Exp Res，2025，37（1）：115.

[37]LIU J，PERERA R A.Further exploration of the effects of time-varying covariate in growth mixture models with nonlinear trajectories [J].Behav Res Methods，2024，56（4）：2804-2827.

[38]NAGIN D S，JONES B L，PASSOS V L，et al.Group-based multi-trajectory modeling[J].Stat Methods%Med Res，2018，27（7）：2015-2023.

The scoping review of depressive symptom trajectories and influencing factors in the elderly in China

YANG Shiyao1 TIAN Runxi2 YU Chunguang1 ZHANG Shiyu1 CAO Xinran1

1.School of Nursing,Beijing University of Chinese Medicine,Beijing 100029,China;2.Department of Nursing,Dongzhimen Hospital,Beijing University of Chinese Medicine,Beijing 100700,China

[Abstract] Objective To conduct a scoping review of studies on the trajectories of depression and their influencing factors among the elderly in China,with the aim of examining the current research landscape,identifying existing gaps,and providing evidence to inform clinical practice and future research.Methods The CNKI,Wanfang Data,VIP,CBM,PubMed,Web of Science Core Collection Database,Cochrane Library,Embase,and CINAHL databases were searched to identify studies in which latent trajectory modeling methods were employed to describe the trajectories of depression among the elderly in China.The search timeframe was set from the inception of each database to April 2025.Literature screening and data extraction were performed by two researchers,and the results were summarized using descriptive analysis.Results A total of 16 longitudinal studies were included,in which between two and six distinct depression trajectory classes were identified.Stable trajectories were reported to be more common than unstable ones.Persistent,newly onset,or recurrent depressive symptoms were found to have affected nearly one-third of the elderly.The influencing factors of adverse developmental trajectories of depression in the elderly primarily include four aspects: demographic characteristics,health and functioning,life and environment,and psychological and social factors.Conclusion Researchers observe that the developmental trajectories of depression in the elderly exhibit considerable dynamism and heterogeneity.However,current studies face several limitations,including challenges in inconsistent trajectory nomenclature,inadequate identification of influencing factors,and weak translation of findings into practical applications.Future research focuses on further exploring these issues and addressing the existing gaps.

[Key words] The elderly;Depression;Trajectory;Influencing factors;Scoping review

[中图分类号] R749.4

[文献标识码] A

[文章编号] 1673-7210（2025）10（c）-0049-07

DOI：10.20047/j.issn1673-7210.2025.30.09

[作者简介] 杨诗瑶（2001-），女，北京中医药大学护理学院2023级护理学专业在读硕士研究生；研究方向：慢性疾病护理。

[通讯作者] 于春光（1971-），女，博士，副教授；研究方向：慢性疾病护理。

（收稿日期：2025-06-23）

（修回日期：2025-08-11）