抑郁症和认知功能障碍在老年人群中非常常见，并严重影响了他们的日常生活。已有研究表明，肥胖和代谢功能紊乱可能会影响老年人群的心理健康，但其与老年人抑郁症和认知功能障碍之间的关联尚不明确。
2025年，中国学者用NHANES数据库，在期刊《Journal of Affective Disorders》（医学top二区，IF=4.9）发表题为：“Exploring the triglyceride-glucose index's role in depression and cognitive dysfunction: Evidence from NHANES with machine learning support”的研究论文。
在该项研究中，研究团队基于机器学习和孟德尔随机化 ，探讨了老年人的血糖（TyG）指数、体重指数（BMI）与抑郁症和认知功能障碍之间的关联。
（在公共数据库与孟德尔随机化微信公众号后台回复“ 原文”即可获得文献PDF等资料。想用NHANES发文，看看这个可一键提取和分析数据的NHANES Online平台！如感兴趣请联系郑老师团队，微信号：aq566665）
研究团队基于NHANES数据库2011-2014年的数据，经过纳排，最终纳入1352名年龄60~79岁符合条件的参与者。所有参与者按照TyG的四分位数进行分组。
图1 研究人群筛选流程图
与之前报道TyG指数与抑郁症之间存在正相关的研究相反，在本研究的校正模型中，研究团队发现TyG指数与认知功能评分呈负相关（P< 0.05）；
而在模型2中，发现TyG指数与抑郁评分呈正相关（P< 0.001）。
表1 老年人的TyG指数与抑郁和认知功能障碍的关系
在完全校正的亚组分析中，研究团队发现在肥胖个体（BMI ≥ 28）中，TyG指数增加100个单位与抑郁评分降低3.79分相关。
有趣的是，这一结果意外地与先前提出的“肥胖悖论”一致，拥有较高BMI的老人年可以通过能量储备或激素调节等机制降低患抑郁症的风险。
√机器学习法筛选抑郁症的关键预测因素
为了进一步阐明BMI、TyG指数和抑郁症之间的关系，研究团队构建了四种不同的机器学习模型和一个深度学习模型进行验证，并使用SHAP法筛选抑郁症的关键因素。
最终，预测性能最佳的Xgboost（AUC = 0.960）识别了BMI、TyG-BMI、性别和合并症（例如，哮喘、中风、肺气肿）作为抑郁症的关键决定因素。
表2 机器学习分析结果
此外，研究团队还使用孟德尔随机化（MR）探究BMI与抑郁症和认知功能障碍之间的因果关联。
结果显示，BMI与抑郁风险和认知功能障碍之间均呈负相关。除此之外，未检测到异质性或多效性的证据。
综上所述，本研究证实甘油三酯-葡萄糖（TyG）指数可以作为老年人心理认知健康的一个重要指标。
