《Scientific Reports》：Urban environmental determinants and their effects on mental health, physical function, and quality of life in older adults: a multidimensional study in Shiraz, Iran
编辑推荐：
本研究聚焦伊朗设拉子市城市化与老龄化背景下的公共健康挑战，通过分析城市环境因素（如绿色空间、人口密度、废弃物产量）对老年人身心健康（BMI、衰弱、抑郁GDS-4、焦虑GAI-5、生活满意度LSI-Z）的影响，构建机器学习预测模型（SVM、决策树）。结果显示，人均绿色空间每增加1 m2可降低抑郁评分0.8分，废弃物产量超250 kg/人关联跌倒风险上升35%（OR=1.35）。研究强调优化城市环境规划对提升老年人健康的重要意义。
随着全球城市化进程加速和人口老龄化趋势加剧，发展中国家城市正面临日益严峻的公共健康挑战。伊朗设拉子市作为典型的中东城市，其快速城市化和老年人口比例上升的双重压力，使得城市环境对老年人健康的影响成为关键科学问题。现有研究表明，城市环境因素如绿色空间覆盖率、人口密度和废弃物处理水平可能与老年人的心理健康、身体功能及生活质量存在密切联系，但针对中东地区城市环境的系统性研究仍较为缺乏。
为深入探究这一问题，研究人员于2024年12月至2025年1月在设拉子市开展了一项横断面研究，覆盖全市11个行政区域的3000名60岁及以上老年人，采用分层随机抽样方法收集数据。研究团队从市政记录中提取环境指标（人均绿色空间面积、人口密度、人均废弃物产量），并采用标准化工具评估健康结局：老年抑郁量表简版(Geriatric Depression Scale-4, GDS-4)筛查抑郁症状，老年焦虑量表(Geriatric Anxiety Inventory-5, GAI-5)评估焦虑水平，生活满意度指数(Life Satisfaction Index-Z, LSI-Z)衡量生活质量，同时记录体重指数(Body Mass Index, BMI)和衰弱指数。统计分析结合多元回归与机器学习算法（支持向量机(Support Vector Machine, SVM)和决策树(Decision Tree)），旨在揭示环境因素与健康结局的复杂关系。
关键研究方法概述
研究依托设拉子市市政数据库获取环境参数，通过面对面问卷调查收集老年人健康数据。机器学习建模中，SVM采用径向基核函数处理非线性关系，决策树以基尼系数为分裂标准；模型性能以R2和置信区间(Confidence Interval, CI)评估。统计检验涵盖逻辑回归(Logistic Regression)计算比值比(Odds Ratio, OR)。
环境指标与健康结局的关联分析
研究发现，人均绿色空间面积与心理健康显著负相关：每增加1 m2，抑郁评分降低0.8分（95% CI: -1.2至-0.4），衰弱指数下降0.3分。SVM模型进一步揭示绿色空间对焦虑的缓释效应呈剂量反应关系。
废弃物产量的健康风险阈值
人均废弃物产量超过250 kg时，老年人跌倒风险增加35%（OR=1.35, 95% CI: 1.12–1.63）。决策树模型识别该值为风险拐点，高废弃物产量区域居民的BMI超标概率同步上升。
人口密度的非线性效应
SVM模型显示人口密度对健康结局的影响存在阈值效应：低于2000人/km2时，密度与生活满意度正相关；超过该值后，焦虑评分显著攀升。此非线性模式在抑郁和衰弱指标中同样存在。
机器学习模型比较
SVM预测性能优于决策树，其衰弱指数预测R2达0.75（决策树R2=0.71）。SVM精准捕获人口密度与健康结局的复杂非线性互动，而决策树更易解释环境变量的分段效应。
本研究通过多维数据整合与机器学习算法，证实城市环境规划是改善老年人健康的关键杠杆。绿色空间的增加可直接缓解心理困扰与身体衰弱，而废弃物管理优化能降低意外伤害风险。人口密度的阈值效应提示城市规划需平衡聚集效益与拥挤成本。研究成果为设拉子等发展中城市制定老年友好型环境政策提供了实证依据，发表于《Scientific Reports》的此项研究，推动了环境流行病学与老年健康的跨学科融合。
