心理健康问题已经成为全球疾病负担的主要原因之一，不仅对生活质量产生负面影响，还导致医疗费用和病死率增加[1-2]。英国医学科学院和世界卫生组织将共病定义为同时患有两种或两种以上疾病，包括长期的非传染性疾病（如心血管疾病或癌症），长期的精神健康状况（如精神紊乱或痴呆），长期的传染病（如艾滋病或丙型肝炎）[3]。

共病通过引起功能受限及加重治疗负担等方式，增加其出现不良心理状态的风险[4-6]。研究表明，患有多种慢性疾病更容易出现抑郁症状，且抑郁症状的发生率随着患病数量的增加而上升[7]。

由于部分慢性疾病之间存在相似的病理原因，疾病往往按照特定模式同时发生，在这些模式中可以识别出常见的病理生理机制或风险因素[8]。因此，识别共病模式不仅有助于发现慢性疾病之间共同的致病机制或危险因素，以提高患者诊疗效果，还能在早期发现抑郁的高风险人群，并为其提供针对性的心理和社会支持[9]。目前国内外针对共病与抑郁症状的研究中，已有文献证实特定慢性疾病会引起患者的抑郁症状，也对共病与非共病人群的抑郁风险进行比较[10-11]。但研究主要集中在特定疾病或单一共病模式中，对中老年人群中不同共病模式与抑郁之间的关联研究较少[12]。传统以患病数量衡量共病严重程度的方法，可能掩盖特定疾病组合的独特风险特征，而基于数据驱动的共病模式识别（如因子分析、潜在类别分析）能更精准地揭示疾病集群的潜在结构[13]。因此，本研究利用2020年中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）数据库，采用探索性因子分析识别中老年人群的慢性病共病模式，揭示不同共病模式与抑郁症状之间的关系，为慢性病共病患者健康管理提供参考。

1 资料与方法

1.1 数据来源

CHARLS数据库是由北京大学国家发展研究院主持的调查项目，主要针对中国 ≥45岁居民及其家庭，样本覆盖全国28个省（自治区、直辖市），150个县，450个社区（村）。CHARLS项目在数据采集阶段已获得北京大学伦理审查委员会的批准（IRB00001052-11015）。纳入标准：研究对象来自CHARLS于2020年收集的第5轮调查数据，筛选年龄为45岁及以上且至少报告一种慢性疾病的参与者。排除标准：①抑郁评分信息缺失；②居住地、体力活动等协变量缺失个体。最后纳入13 933份样本。

1.2 变量定义及测量

本研究选择的因变量为是否有抑郁症状（否=0，是=1），CHARLS中抑郁症状的评估来自简版流行病学研究中心抑郁量表（Center for Epidemiologic Studies depression scale，CES-D-10）。共包含10个条目，每个条目有4级得分，总分为0~30分，量表得分 ≥10分被认为存在抑郁症状[14]。

自变量为是否存在共病（否=0，是=1），选取问卷中“是否有医生曾经告诉过受访者有以下慢性病?”问题的回答作为判断依据，附上15种疾病：高血压病、血脂异常、糖尿病、癌症、肺部疾病、肝脏疾病、心脏病、脑卒中、肾脏疾病、胃部疾病、情感及精神问题、与记忆有关的疾病、帕金森病、关节炎或风湿病、支气管哮喘。当受访者存在两种及以上慢性疾病则认为存在共病[15]。

人口学和经济状况等因素可能会影响个体的抑郁症状[14,16]。控制变量的选择来源于社会人口学特征（性别、年龄、居住地），社会经济特征（家庭人均年收入、教育程度），社会支持（婚姻状况、社交状况），生活和行为方式（体力活动强度、吸烟、饮酒、夜间睡眠时长）及社会保障（养老保险和医疗保险情况）。其中，家庭人均年收入的计算用家庭成员当年的总收入除以家庭成员数。采用四分位数法将家庭人均年收入分为低收入（最低的25%）、中等收入（中间50%）、高收入（最高的25%）。CHARLS调查3种类型的体力活动：非常消耗体力的激烈活动（如搬运重物、有氧运动、耕作等）；中等强度的体力活动（如搬运轻便物品、拖地、练习太极拳等）；轻度体力活动（如四处走动，以及其他以休闲、锻炼为目的的散步）。本研究参考文献[17]将体力活动分为低、中、高3个等级，以个体代谢当量（metabolic equivalent，MET）作为划分依据。MET是一种衡量体力活动强度的指标，根据国际体力活动问卷评判标准，将低、中、高强度体力活动分别赋值3.3、4.0、8.0 METs[18]。体力活动强度的计算基于活动的强度、时长和频率。总体力活动强度（MET-min/周）=8.0×每周高强度体力活动持续时间+4.0×每周中等强度体力活动持续时间+3.3×每周低强度体力活动持续时间[19]。根据计算结果，将每周体力活动水平分为低强度（＜ 600 MET-min/周）、中强度（600～3 000 MET-min/周）和高强度（＞3 000 MET-min/周）[20]。

1.3 统计学方法

本研究采用Stata 18.0与R 4.4.3统计学软件对数据进行分析。首先对研究变量进行描述性分析，计数资料用例数或百分率表示，比较采用χ2检验。使用R软件中psych包的“alpha（）”和“KMO（）”函数计算CES-D-10的内部一致性与结构效度，结果显示量表的KMO值为0.88，Cronbach's α系数为0.79，量表信效度良好。

当存在导致疾病之间相关性的共同病理原因，且患病情况是二分类数据时，通常推荐使用因子分析来识别共病模式[3]。本研究采用基于四面相关矩阵的主因子分析法，通过KMO抽样适配度检验和Bartlett's球形检验评估变量间相关性和样本的充足性。因子提取根据碎石图中特征值＞1的数量确定因子的个数[21]。通过对因子载荷矩阵进行Oblimin旋转以提高解释力。Oblimin旋转方法允许因子之间相互关联，有助于探索疾病之间的共存模式[13]。得到的因子载荷值代表慢性疾病与所识别出的潜在共病模式之间的紧密程度，因子载荷绝对值 ≥0.4的慢性疾病被认为具有较强的相关性，将其作为共病模式分类的依据[22]。为提高稳健性，排除研究对象中患病率＜5%的慢性疾病。最后构建多因素logistic回归模型探讨共病模式与抑郁症状之间的关联，同时将控制变量纳入模型。所有统计检验均采取双侧检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 研究对象基本特征

本研究纳入13 933名45岁及以上中老年人群，抑郁症状检出率为37.14%。57.11%的研究对象存在共病。不同性别、年龄、居住地、教育程度、家庭人均年收入、婚姻状况、社交状况、体力活动强度、吸烟情况、饮酒情况、夜间睡眠时长、有无医疗保险、有无养老保险、是否共病的中老年人抑郁症状检出率比较，差异有统计学意义（P＜0.01）。见表1。

表1 13 933名不同特征中老年人抑郁症状检出率比较[例（%）]

项目人数有（5抑 1郁75症名状）无（8抑 7郁58症名状）χ2值P值性别401.28＜0.001男6 7281 928（37.26）4 800（54.81）女7 2053 247（62.74）3 958（45.19）年龄（岁）68.44＜0.00145~＜606 7482 277（44.00）4 471（51.05）60~＜704 7741 900（36.71）2 874（32.82）70~＜802 0548 62（16.66）1 192（13.61）≥80357136（2.63）221（2.52）居住地226.77＜0.001农村5 2901 548（29.91）3 742（42.73）城镇8 6433 627（70.09）5 016（57.27）教育程度467.56＜0.001小学及以下8 5733 760（72.66）4 813（54.96）初中3 391994（19.21）2 397（27.37）高中/中专1 633364（7.03）1 269（14.49）本科/大专以上33657（1.10）279（3.19）家庭人均年收入525.50＜0.001低收入3 4851 719（33.22）1 766（20.16）中等收入6 9652 657（51.34）4 308（49.19）高收入3 483799（15.44）2 684（30.65）婚姻状况139.46＜0.001未婚/离异/丧偶1 872925（17.87）947（10.81）已婚或有伴侣12 0614 250（82.13）7 811（89.19）社交状况39.70＜0.001过去1个月无社交6 8882 738（52.91）4 150（47.39）过去1个月有社交7 0452 437（47.09）4 608（52.61）体力活动强度29.03＜0.001低强度1 742714（13.80）1 028（11.74）中强度7 5952 884（55.73）4 711（53.79）高强度4 5961 577（30.47）3 019（34.47）吸烟82.13＜0.001无10 2874 048（78.22）6 239（71.24）有3 6461 127（21.78）2 519（28.76）饮酒229.47＜0.001无8 6813 643（70.40）5 038（57.52）有5 2521 532（29.60）3 720（42.48）夜间睡眠时长（h）758.42＜0.001＜6 4 9232 578（49.82）2 345（26.78）6~＜85 9881 761（34.03）4 227（48.26）≥83 022836（16.15）2 186（24.96）医疗保险12.01＜0.001无558246（4.75）312（3.56）有13 3754 929（95.25）8 446（96.44）养老保险13.89＜0.001无6 6562 366（45.72）4 290（48.98）有7 2772 809（54.28）4 468（51.02）共病424.54＜0.001否5 9761 638（31.65）4 338（49.53）是7 9573 537（68.35）4 420（50.47）

2.2 慢性疾病与抑郁症状之间的关联分析

本研究在排除患病率＜5%的癌症、情感及精神问题、与记忆有关的疾病、帕金森病4类疾病后，最终纳入11种疾病进行分析。经多因素调整后的logistic回归分析显示，除脑卒中、支气管哮喘外的其他类型的慢性疾病患者在共病状态下出现抑郁症状的风险均高于单一患病状态（P＜0.05）。见表2。

表2 慢性疾病患者单一患病与共病状态下的抑郁症状风险比较

疾病名称单一慢性疾病抑郁症状[例（%）]共病调整后的OR值（95l%ogCisIt）ic回归分析P值高血压病211（25.89）2 009（43.39）2.10（1.76~2.51）＜0.001血脂异常80（27.21）1 559（43.85）1.54（1.16~2.05）＜0.010糖尿病29（21.48）869（44.47）2.32（1.49~3.61）＜0.001心脏病42（30.22）1 373（48.35）2.02（1.36~2.99）＜0.001脑卒中17（40.48）447（55.46）1.81（0.91~3.62）0.090支气管哮喘4（28.57）433（53.92）3.65（0.99~13.48）0.050肺部疾病38（28.15）921（51.20）2.27（1.51~3.42）＜0.001胃部疾病180（29.27）1 939（50.64）2.10（1.72~2.55）＜0.001关节炎或风湿病318（38.31）2 351（51.83）1.72（1.46~2.02）＜0.001肝脏疾病18（27.27）474（48.22）1.99（1.09~3.65）0.030肾脏疾病27（29.35）740（52.52）1.96（1.19~3.23）＜0.010

注 仅患有单一慢性疾病的参与者在所有模型中均被视为参考组。回归模型均根据人口学特征（性别、年龄、居住地），社会经济特征（家庭人均年收入、教育程度），社会支持（婚姻状况、社交状况），生活行为方式（体力活动强度、吸烟、饮酒、夜间睡眠时长），社会保障（养老保险和医疗保险）进行调整。

2.3 慢性病共病模式分析

对11种疾病进行探索性因子分析以识别共病模式，通过碎石图（图1）确定因子个数为3个。筛选因子载荷值 ≥0.4的因子，共确定3种慢性病共病模式，可以解释约42.37%的总方差，见表3。因子1包括高血压病、血脂异常、糖尿病、心脏病和脑卒中，命名为心脏代谢模式；因子2包括支气管哮喘和肺部疾病，命名为呼吸系统模式；因子3包括胃部疾病、肝脏疾病、肾脏疾病和关节炎或风湿病，命名为内脏关节炎模式。

图1 特征值的碎石图

表3 慢性病共病模式的因子载荷矩阵

疾病名称因子1因子2因子3高血压病0.730.05-0.11血脂异常0.69-0.040.09糖尿病0.63-0.040.00心脏病0.420.130.30脑卒中0.42-0.010.14支气管哮喘0.030.91-0.06肺部疾病-0.050.850.08胃部疾病-0.100.030.59肝脏疾病0.040.010.57肾脏疾病0.130.030.54关节炎或风湿病0.030.080.44特征值3.581.711.10累计百分比（%）16.2730.6342.37

注 KMO值为0.78，Bartlett’s球形检验结果P＜0.001。

2.4 慢性病共病模式对抑郁症状的影响分析

探索性因子分析识别出3种共病模式，心脏代谢模式、呼吸系统模式、内脏关节炎模式。在回归模型中计算方差膨胀因子，所有自变量的方差膨胀因子值均＜5，不存在多重共线性问题。在调整潜在混杂因素后，3种共病模式可正向预测抑郁症状（P＜0.01），其中，内脏关节炎模式的影响最为突出（OR=1.26，95%CI：1.22~1.30）。见表4。

表4 不同共病模式与抑郁症状的logistic回归分析

共病模式βS.E.Waldχ2P值OR值95%CI膨胀方差因子心脏代谢模式0.060.0125.60＜0.0011.061.04~1.081.20呼吸系统模式0.070.0130.74＜0.0011.071.05~1.101.12内脏关节炎模式0.230.02243.23＜0.0011.261.22~1.301.23

注 回归模型均根据人口学特征（性别、年龄、居住地），社会经济特征（家庭人均年收入、教育程度），社会支持（婚姻状况、社交状况），生活行为方式（体力活动强度、吸烟、饮酒、夜间睡眠时长），社会保障（养老保险和医疗保险）进行调整。

3 讨论

本研究中我国中老年慢性疾病患者抑郁症状的检出率为37.14%，与赖文浩等[23]的研究结果一致。本研究结果显示，女性的抑郁症状检出率高于男性，可能与女性在生理周期中的激素波动、承担更多家庭和社会角色压力有关[24]。本研究结果显示，70~＜80岁的老年人抑郁症状检出率最高，提示随着年龄增长，身体机能下降和共病率增加可能是导致抑郁风险升高的关键因素[14]。此外，社会经济地位对心理健康有着深远影响，低收入和教育程度较低的人群，抑郁症状检出率更高，可能因为社会经济地位限制对医疗资源的获取、生活压力较大，社交活动少，进而出现抑郁症状[25-26]。生活方式也是影响抑郁症状的重要因素之一。适度的体育锻炼有助于释放内啡肽，改善情绪状态，而良好的睡眠质量则是维持身心健康的基础[27]。

慢性疾病与抑郁症状的关联强度因共病状态不同而存在显著差异。本研究结果显示，多数慢性疾病在与其他疾病共存的状态下对患者抑郁风险的影响显著增强，如心脏病、肺部疾病及胃部、肝脏和肾脏疾病等。多病共存可能通过功能限制、治疗负担加重等途径加剧患者的心理压力[28]。此外，尽管支气管哮喘和脑卒中的患者在共病时表现出较高的OR值，但其95%CI较宽且未达显著性，需进一步扩大样本量以验证该关联。在排除患病率较低的疾病后，本研究确定3种共病模式分别是心脏代谢模式、呼吸系统模式和内脏关节炎模式，与施博文等[29]的研究结果相似。

心脏代谢模式是以往研究描述最广泛的，该模式包含的疾病各研究中不同，但核心疾病都包括高血压病、心脏病和糖尿病等代谢相关疾病，此外该模式与抑郁之间的关联也在多项研究中得到证实[22,30]。但也有研究发现，心脏代谢型共病与抑郁之间存在双向关联，一方面心脏代谢型共病与抑郁症状有共同的危险因素，比如社会经济地位剥夺或者运动较少等[31]；另一方面，研究也发现这两者的发生、发展有相似的病理生理机制，比如心率变异性受损、全身慢性炎症等[32-33]。呼吸系统模式主要包括肺部疾病、支气管哮喘等。呼吸系统疾病患者可能会出现咳嗽、气流受限等问题，且症状随着年龄的增长和肺功能下降逐渐恶化，影响患者的生活质量[34]。在内脏关节炎模式中，一项关于胃癌的研究认为，疾病通过加重身体负担，导致患者出现焦虑和抑郁的情绪；同时抑郁可引发慢性应激反应，激活交感神经系统及下丘脑-垂体-肾上腺轴，促使儿茶酚胺类物质释放，进而促进肿瘤细胞的增殖、迁移与转移，也是疾病加重的原因[35]。鉴于不同共病模式与抑郁之间的复杂关联，建议针对特定患病模式制订个性化治疗方案和生活方式调整措施，并鼓励将抑郁症状管理纳入多病共存预防，以减轻症状并改善患者的生活质量。

本研究存在一定的局限性：首先使用的是横截面数据，虽发现3种共病模式与抑郁症状存在关联，但无法确立因果关系的时间顺序。另外CHARLS数据库采用CES-D-10询问受访者过去1周的情况，调查结果可能存在回忆偏倚，而且研究涉及影响因素局限于调查问卷内容，可能存在其他潜在影响因素未被分析。本研究以单一慢性疾病患者作为参考组，虽能反映共病带来的额外心理负担，但未估计各慢性疾病相对于健康人群的绝对抑郁风险，虽然更贴近真实共病情境，但可能会使共病的相对风险被保守估计。未来的研究将结合更全面的评估工具和客观指标，采用多中心、纵向追踪的设计，以深入探讨共病对心理健康的作用机制。

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] GBD 2021 Disease and Injuries Collaborators. Global incidence，prevalence，years lived with disability （YLDs），disability-adjusted life-years （DALYs），and healthy life expectancy （HALE） for 371 diseases and injuries in 204 countries and territories and 811 subnational locations，1990—2021：a systematic analysis for the Global Burden of Disease Study 2021 [J]. Lancet，2024，403（10440）：2133-2161.

[2] KIELING C，BUCHWEITZ C，CAYE A，et al. Worldwide prevalence and disability from mental disorders across childhood and adolescence：evidence from the global burden of disease study [J]. JAMA Psychiatry，2024，81（4）：347-356.

[3] BUSIJA L，LIM K，SZOEKE C，et al. Do replicable profiles of multimorbidity exist? Systematic review and synthesis [J]. Eur J Epidemiol，2019，34（11）：1025-1053.

[4] 王哲，许惠靖，王雪婷，等. 基于有调节的中介效应探讨老年慢性病共病患者经济负担对健康相关生活质量的影响[J]. 现代预防医学，2024，51（2）：314-321.

[5] ANSARI S，ANAND A，HOSSAIN B. Multimorbidity and depression among older adults in India：mediating role of functional and behavioural health [J]. PLoS One，2022，17（6）：e0269646.

[6] ANTONIOU G，LAMBOURG E，STEELE J D，et al. The effect of adverse childhood experiences on chronic pain and major depression in adulthood：a systematic review and meta-analysis [J]. Br J Anaesth，2023，130（6）：729-746.

[7] TRIOLO F，HARBER-ASCHAN L，BELVEDERI MURRI M，et al. The complex interplay between depression and multimorbidity in late life：risks and pathways [J]. Mech Ageing Dev，2020，192：111383.

[8] VALLETTA M，VETRANO D L，XIA X，et al. Multimorbidity patterns and 18-year transitions from normal cognition to dementia and death：a population-based study [J]. J Intern Med，2023，294（3）：326-335.

[9] 耿叶，介万，张思佳，等. 慢性病共病流行现状及防治的研究进展[J]. 中国慢性病预防与控制，2023，31（1）：71-75.

[10] 李姝莹，陈睿，唐玮婷，等. 终末期肾病患者脑血管反应性与抑郁状态的关系[J]. 中国医学科学院学报，2024，46（3）：348-353.

[11] 王萧冉，张丹. 慢性病共病对我国老年人焦虑症状的影响研究：基于倾向性评分匹配[J]. 中国全科医学，2023，26（29）：3622-3627.

[12] 崔曼，王娟，邓淼，等. 高血压共病模式和社会参与交互作用对中国中老年人抑郁症状的影响[J]. 卫生研究，2024，53（5）：694-700.

[13] NG S K，TAWIAH R，SAWYER M，et al. Patterns of multimorbid health conditions：a systematic review of analytical methods and comparison analysis [J]. Int J Epidemiol，2018，47（5）：1687-1704.

[14] 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）：4266-4271，4278.

[15] Technical Series on Safer Primary Care：Multimorbidity[EB/OL]. [2024-12-17]（2025-12-13）. https：//www.who.int/publications/i/item/9789241511650.

[16] 黄爱文，雒敏. 健康生态学模型视域下慢性病共病对中老年人抑郁症状的影响[J]. 中华疾病控制杂志，2025，29（2）：145-151.

[17] 龚华彪，冷嵩，王熙熙，等. 体力活动对中国老年人抑郁的影响[J]. 中国老年学杂志，2024，44（21）：5343-5347.

[18] 屈宁宁，李可基. 国际体力活动问卷中文版的信度和效度研究[J]. 中华流行病学杂志，2004，25（3）：87-90.

[19] BAI A，TAO L，HUANG J，et al. Effects of physical activity on cognitive function among patients with diabetes in China：a nationally longitudinal study [J]. BMC Public Health，2021，21（1）：481.

[20] 樊萌语，吕筠，何平平. 国际体力活动问卷中体力活动水平的计算方法[J]. 中华流行病学杂志，2014，35（8）：961-964.

[21] PRADOS-TORRES A，POBLADOR-PLOU B，CALDE-RON-LARRANAGA A，et al. Multimorbidity patterns in primary care：interactions among chronic diseases using factor analysis [J]. PLoS One，2012，7（2）：e32190.

[22] YAO S S，CAO G Y，HAN L，et al. Associations between somatic multimorbidity patterns and depression in a longitudinal cohort of middle-aged and older Chinese [J]. J Am Med Dir Assoc，2020，21（9）：1282-1287.e2.

[23] 赖文浩，胡佳康，李德富，等. 我国中老年人抑郁现状及影响因素的分析——基于LASSO-logistic模型[J].现代预防医学，2025，52（5）：875-879，892.

[24] 张滢，姜欣彤，王萍玉. 基于健康生态学模型的中国女性老年人群抑郁症状影响因素研究[J]. 中国全科医学，2025，28（13）：1595-1600.

[25] WANG Y，LIU M，YANG F，et al. The associations of socioeconomic status，social activities，and loneliness with depressive symptoms in adults aged 50 years and older across 24 countries：findings from five prospective cohort studies [J]. Lancet Healthy Longev，2024，5（9）：100618.

[26] 秋丽雅，李建新. 中国成年人抑郁的社会分化：动态视角与交叉视角[J]. 社会学研究，2023，38（5）：180-202，230.

[27] LYALL L M，SANGHA N，ZHU X，et al. Subjective and objective sleep and circadian parameters as predictors of depression-related outcomes：a machine learning approach in UK Biobank [J]. J Affect Disord，2023，335：83-94.

[28] READ J R，SHARPE L，MODINI M，et al. Multimorbidity and depression：a systematic review and meta-analysis [J].J Affect Disord，2017，221：36-46.

[29] 施博文，熊巨洋. 慢性病共病对中国老年人健康相关生命质量的影响研究[J]. 人口与发展，2024，30（1）：120-128.

[30] SHAO L，ZHU X，LL D L，et al. Quantifying depressive symptoms on incidence of common chronic diseases and multimorbidity patterns in middle-aged and elderly Chinese adults [J]. J Psychiatr Res，2024，173：340-346.

[31] MOULTON C D，PICKUP J C，ISMAIL K. The link between depression and diabetes：the search for shared mechanisms [J]. Lancet Diabetes Endocrinol，2015，3（6）：461-471.

[32] CARNEY R M，FREEDLAND K E. Depression and coronary heart disease [J]. Nat Rev Cardiol，2017，14（3）：145-155.

[33] FRANK P，KAUSHAL A，POOLE L，et al. Systemic lowgrade inflammation and subsequent depressive symptoms：is there a mediating role of physical activity? [J].Brain Behav Immun，2019，80：688-696.

[34] VOLPATO E，TONIOLO S，PAGNINI F，et al. The relationship between anxiety，depression and treatment adherence in chronic obstructive pulmonary disease：a systematic review [J]. Int J Chron Obstruct Pulmon Dis，2021，16：2001-2021.

[35] CHRISTODOULIDIS G，KONSTANTINOS-ELEFTHE-RIOS K，MARINA-NEKTARIA K. Double role of depression in gastric cancer：as a causative factor and as consequence [J]. World J Gastroenterol，2024，30（10）：1266-1269.

Association between multimorbidity patterns and depressive symptoms in Chinese middle-aged and older adults with chronic diseases

CHANG Lin WANG Jiayue ZHANG Lulu

Department of Health Service, Naval Medical University, Shanghai 200433, China

[Abstract] Objective To identify multimorbidity patterns among middle-aged and older adults with chronic diseases in China and examine their association with depressive symptoms. Methods Analyzed data from 13 933 participants aged≥45 years old with at least one chronic diseases in 2020 China Health and Retirement Longitudinal Study. Depressive symptoms were assessed using the short version of the Center for Epidemiologic Studies depression scale. Exploratory factor analysis was employed to identify multimorbidity patterns, and multivariate logistic regression models were used to estimate the associations between pattern scores and depressive symptoms. Results Among the 13 933 research subjects, the comorbidity rate of chronic diseases was 57.11%, and the detection rate of depressive symptoms was 37.14%.There were statistically significant differences the detection rates of depressive symptoms among middle-aged and elderly people of different gender, age, place of residence, educational level, annual per capita household income, marital status, social status, physical activity intensity, smoking status, drinking status, nighttime sleep duration, presence or absence of medical insurance, presence or absence of endowment insurance, and presence or absence of comorbidities (P＜0.01). logistic regression analysis adjusted for multiple factors showed that patients with other types of chronic diseases except stroke and bronchial asthma had a higher risk of developing depressive symptoms in a comorbid state than in a single disease state (P＜0.05). After adjusting for potential confounding factors, cardiometabolic patterns, respiratory system patterns, and visceral arthritis patterns could all positively predict depressive symptoms (P＜0.05). Conclusion This study identified three major comorbidity patterns among middle-aged and elderly people with chronic diseases, all of which increase the risk of depression, highlighting the necessity of providing mental health services for patients with chronic diseases.

[Key words] Multimorbidity; Depression; Chronic disease; Middle-aged and older adults

[中图分类号] R195.4

[文献标识码] A

[文章编号] 1673-7210（2026）05（b）-0091-06

DOI：10.20047/j.issn1673-7210.25101354

[基金项目] 国家自然科学基金资助项目（72474220）。

[通讯作者] 张鹭鹭（1964-），女，教授，博士生导师；研究方向：健康不平等、卫生循证决策。

（收稿日期：2025-10-21）

（修回日期：2026-01-08）