（CAUSE – JAMA）互联网病理使用对青少年心理健康的影响（2010年）

目的：

研究互联网的病理使用对中国青少年心理健康，包括焦虑和抑郁的影响。 据推测，互联网的病理性使用对青少年的心理健康是有害的。

设计：

一项前瞻性研究，随机生成一组人群。

设置：

中国广州的高中。

对象：

青少年 在13和18之间.

主要暴露：

使用因特网测试的病理学使用来评估因特网的病理学用途。

观察指标：

Zung Depression和Anxiety Scales评估抑郁和焦虑。

结果：

在调整潜在的混杂因素后，对于那些在病理学上使用互联网的人来说，抑郁症的相对风险大约是21 / 2倍（发病率比率，2.5; 95％置信区间，1.3-4.3） 那些没有表现出有针对性的病态互联网使用行为的人。 观察到互联网的病理使用与随访焦虑之间没有显着关系。

结论：

结果表明，最初没有心理健康问题但在病理学上使用互联网的年轻人可能会因此而患上抑郁症。 这些结果对预防青少年精神疾病有直接影响，特别是在发展中国家。

互联网的病理学使用被认为是一种有问题的行为，自1990中期以来，其表现出与其他既定成瘾相似的症状和体征。¹ 虽然研究表明，病理性使用互联网的人大多是性格内向的年轻人，但也表明女孩的行为表现率正在增加。^2– 4 近年来，随着大多数亚洲国家互联网的普及，互联网的病理性使用已成为青少年日益增加的心理健康问题。 台湾和中国的研究人员报告，青春期患病率增加，从6的2000％增加到11的2004％。^5,6

互联网的病理学使用被认为与人际关系和人际关系，其他心理健康问题和身体不健康有关。^7– 10 研究描述了青少年精神症状，攻击行为，抑郁症和病理性互联网使用之间的潜在关系。^11– 14 在Ko等人的前瞻性研究中，¹⁵ 据进一步报道，在2年随访中发现抑郁症和社交恐怖症可预测因特网的病理使用。 这些结果表明，抑郁和焦虑可能是青少年互联网病理使用的因果途径中的重要因素。

虽然有关青少年互联网病态使用的文献越来越丰富，但大多数研究的缺点在于它们本质上是横断面的。 由于横断面设计研究提供的证据强度不足以得出任何因果推论，因此可以认为这些研究可用于确定暴露与结果变量之间的潜在关系。⁸ 此外，这些研究的重点是互联网的病理性使用作为结果。 关于青少年互联网病理性使用的中长期心理健康影响的信息很少。 如前所述，抑郁和焦虑可能在互联网病理使用的发展中起作用。 然而，互联网的病理性使用与其他心理健康问题之间的关联可能反而表明，在病理学上使用互联网会对年轻人的心理健康产生影响。 此外，这些2因子也可能共享导致互联网行为以及心理健康问题的共同途径。 来自文献的有限信息表明，一种潜在的途径始于心理健康问题并完成互联网行为。 然而，到目前为止，还没有研究探索从病理性互联网使用开始的途径的替代方向。 为了确定互联网病理性使用对青少年心理健康的影响，适当的研究类型将是一个具有“非常规”人群的队列研究。 换句话说，跟随一群没有抑郁和焦虑但具有不同互联网使用水平的年轻人，并在随访期结束时确定他们的心理健康结果。

为了弥合知识差距，这项前瞻性研究旨在研究互联网病理性使用对青少年心理健康的影响，包括焦虑和抑郁，使用非人群。 据推测，互联网的病理性使用不利于青少年的心理健康，因此广泛和病态地使用互联网的年轻人会增加焦虑和抑郁的风险。

方法

这项前瞻性队列研究于7月2008在中国东南部广东省广州进行。 广东省是中国人口最多的省份，广州是首都。 它是该省人口最多，人口最多的城市，10的人口估计接近2006百万。 学院伦理学批准该研究由省政府中小学心理教育部授予。

之前描述了该研究的基线阶段的方法。⁸ 简而言之，样本来自在该地区上高中并在广州中学注册处注册的青少年学生总数。 采用分层随机抽样方法，根据大城市和农村地区学生的比例进行分层，用于样本生成。 样本包括年龄在13和18年之间的青少年。

该队列研究在不同学校的校园内进行，基线数据通过同一周进行的健康调查收集。 参与者从全市学生登记处随机选择。 通过校长和老师向选定的学生及其家长提供有关该研究的信息。 虽然没有父母签署的书面同意，但是在填写专门为该研究设计的自我报告的调查问卷之前，指示年龄小于16年级的学生获得父母的口头同意。 对于年龄超过16年（自我同意年龄）的学生，自愿回复问卷涉及同意。 随后对该队列进行了9月的随访，并在随访结束时再次对主要心理健康结果进行了调查。 对于本研究，从较大的队列中产生“非病例”队列，在基线时筛查焦虑和抑郁。

使用Zung自评焦虑量表测量焦虑，¹⁶ 使用Zung自评抑郁量表评估抑郁症¹⁷ 在基线和随访时。 自评焦虑量表是一种经过充分验证的仪器，旨在评估焦虑症。¹⁸ 它根据焦虑症的临床症状由20影响问题组成。 一个典型的问题是，“我完全没有理由感到害怕。”受访者被要求回答这些问题，他们在过去的3个月中经历了这些体征和症状的频率，并在Likert量表上评估了1，表明了一些大部分时间都是4的时间。 从1到4的分数被分配给这些回答，总得分从20到80。 这些评分进一步分为4焦虑严重程度：正常，低于45; 轻度到中度，45到59; 标记为严重，60-74; 根据建议的截止值，极端，75或更高。¹⁶ 自评抑郁量表是用于评估抑郁症的经过验证的标准化量表。 要求参与者回答20关于他们在调查时的最后一个3个月中经历某些情况或处于某些心态的问题。 例如，有一个问题要求受访者评估“我觉得很容易做我以前做过的事情”的频率，并且用4响应，包括很少或没有时间，有些时候，很大一部分时间，大部分或全部时间。 与自评焦虑量表相似，将1到4的得分分配给这些回答，总得分从20到80。 这些评分进一步分为4抑郁严重程度：正常，低于50; 轻度抑郁症，50至59; 中度至显着的严重抑郁症，60至69; 根据推荐的临界值，严重或极度严重抑郁症，70或更高。¹⁷ 为便于分析，结果测量进一步分为正常，小于50和抑郁，50或更大。 这两种仪器的中文版本在中国青少年人群中得到验证，具有良好的有效性和可靠性。¹⁹

Internet的病理用途是由Young设计的Internet成瘾测试（也称为Young的Internet成瘾量表）评估的。²⁰ 网络成瘾测试是一个20项目的自我报告量表，设计是基于病态赌徒所展示的概念和行为。 DSM-IV 诊断标准。 它包括反映成瘾典型行为的问题。 一个典型的问题是，“当你下线时，你多久会感到沮丧，情绪低落或紧张，一旦你回到网上就会消失？”受访者被要求表明他们在李克特量表上的反应倾向从1，很少到5，总是。 对网络成瘾测试的心理测量特性的研究表明，良好的可靠性，各种因素的Cronbachα值从.82到.54。²¹ 计算总分，可能的分数范围从最小20到最大100。 然后根据建议的截止分数对成瘾的严重程度进行分类，20至49点正常; 50到79，温和; 和80到100，很严重。²⁰ 因为只有10学生在本研究中获得了80分或更高分; 为了便于数据分析，将暴露变量分为2类别，严重/中等和正常。

调查中收集的其他信息包括人口统计资料，城市或乡村学校，家庭住所的位置，受访者是否单身，父母受教育程度，健康状况以及包括饮酒，吸烟，体育锻炼和睡眠时间在内的行为。 还收集了有关受访者对家庭财务状况，父母的期望，学习负担，对日常生活的破坏，家庭满意度以及最近的压力性生活事件的看法的信息。 如上所述，已知这些变量与青少年的焦虑和抑郁有关。

使用Stata V10.0统计软件程序分析数据。²² 进行双变量分析以检查互联网病理使用，感兴趣和焦虑的所有变量以及抑郁之间未经调整的关系。 因为这是一项前瞻性队列研究，所以估计了未调整的发病率比率（IRR）及其相应的95％置信区间（CI），用于焦虑，抑郁，互联网的病理使用以及所有感兴趣的变量。 对于二元变量，IRR及其相应的95％CI直接使用 cs 程序的程序。 对于具有超过2类别的变量，根据Barros和Hirakata关于二元结果的速率计算的建议，使用具有稳健方差的泊松回归来计算IRR。²³ 选择包含在多元回归分析中的潜在混杂变量是基于双变量分析中这些变量的显着性水平。 获得显着性水平的变量 P 对于暴露和结果变量之间的调整关系，<1被包括在进一步分析中。 具有稳健方差的泊松回归也可用于计算焦虑和抑郁的调整后内部收益率，并调整潜在的混杂因素。

成果

共有1618学生提供了有关基线调查的有用信息。 在这些1618受访者中，基线筛查结果表明1122低于自评焦虑量表和自评抑郁量表的截止值。 在1122学生中，1041也回复了后续问卷。 这代表了92.8％的随访率。 受访者与未回复者之间的比较表明，在年龄，性别以及他们是否上过城市或农村学校方面没有统计学上的显着差异。 受访者的特征和结果指标总结如下 表1。 样本主要包括13至16岁之间的青少年（n = 881； 84.7％），平均（SD）年龄为15.0（1.8）岁。 男孩和女孩之间以及城市和非城市学校之间的分布几乎均匀。 在人口统计方面，大多数家庭居住在城市（n = 761； 73.1％），略多于一半的家庭是独生子女（n = 623； 60.0％）。 他们的大多数父母至少达到了中等教育水平，大约17％的父亲和12％的母亲接受了包括大学和研究生学历的中等教育。

表1。 在随访期间焦虑和抑郁的频率分布，以及在基线状态，人口统计学，健康行为和青少年个人状况感知的病理学使用

    

观看大图  |  保存表  |  下载幻灯片（.ppt）  |  在文章上下文中查看

在健康状况和行为方面，只有21名学生（2.0％）曾报告曾经历过严重疾病。 大多数（n = 683； 65.7％）在正常工作日有6至8个小时的睡眠，并且四分之一（n = 265； 25.7％）每周都进行定期体育锻炼。 几名学生报告说，他们在基线调查中目前尝试过或正在吸烟（n = 15； 2.1％），而8％（n = 83）则报告他们在调查时饮酒超过两次。 大多数学生认为他们的家庭财务状况与其他人大致相同（n = 669； 64.4％）。 略多于一半的人认为他们的学习负担沉重或非常重（n = 546; 52.6％），而大多数人（n = 846; 81.5％）认为父母对他们的期望很高。 这些学生中有不到五分之一的人对家人感到满意（n = 230； 22.1％），大约一半（n = 536； 51.7％）的人对自己的身体感到正常，大约有20％（n = 214）感到自己的身体正常超重和体重不足的30％（n = 286）。

就暴露程度（即互联网的病理使用）而言，大多数被调查者被归类为正常用户（n = 944，93.6％），其中中度风险为62（6.2％），严重风险为2（0.2％）。 互联网最常见的用途是娱乐（n = 448; 45.5％），其次是搜索信息和知识（n = 276; 28.1％）并与同学交流，结交朋友和避免无聊（n = 260） ; 26.4％）。 互联网的使用方式与基线的病理使用之间存在显着关联（χ²₂ = 21.78; P <.001）。 病理性使用互联网的年轻人更有可能将其用于娱乐，而不太可能将其用于信息。 在为期9个月的随访中，有8名学生（0.2％）被归类为有明显的焦虑症状，有87名（8.4％）的得分高于抑郁量表中的50分。

研究了互联网的病理使用，其他感兴趣的变量，抑郁和焦虑之间的双变量关系。 结果总结如下 表2。 如图所示，互联网的病理学使用与抑郁症显着相关，未针对其他潜在的混杂因素进行调整。 结果表明，与未表现出目标人群的情况相比，在基线时通过病理学使用互联网的学生在2个月的随访中发生抑郁的可能性（IRR，9； 2.3％CI，95-1.2）是其两倍以上病理行为。 结果表明，随访时互联网病理使用对焦虑没有显着影响（IRR，4.1； 2.0％CI，95-0.3）。 在这个样本中，研究负担是唯一潜在的混杂变量，被发现与焦虑和抑郁的高风险具有显着的相关性。 因此，它被包含在进一步的Poisson回归分析中，以对其对互联网使用与抑郁以及焦虑之间关系的影响进行调整。 还考虑了文献中暗示的与抑郁症和焦虑症相关的其他潜在混杂变量。 这些包括年龄，性别，农村或城市居住，参与体育活动，家庭不满和学习负担。

表2。 在对因特网的病理学使用，人口统计学，健康行为和青少年个人状况的感知进行随访时，焦虑和抑郁的未调整率比率

    

观看大图  |  保存表  |  下载幻灯片（.ppt）  |  在文章上下文中查看

多变量泊松回归分析得到的结果也列于 表3。 这些结果表明，互联网的病理使用仍然与抑郁相关，但与焦虑无关。 在调整了潜在的混杂因素后，病理上使用互联网的人的相对抑郁风险是未使用互联网的人的2倍（IRR，2.5； 95％CI，1.3-4.3）。 互联网的病理使用与随访中的焦虑之间没有显着相关性。

表3。 青少年互联网病理性使用中焦虑和抑郁的调整率比率

评论

本研究旨在研究中国东南地区年轻人群中互联网的病理性或成瘾性使用对心理健康（包括焦虑和抑郁）的影响。 结果表明，互联网的病理使用不利于这些人的心理健康。 特别是，在基线时互联网的病理学使用可预测9月随访时的抑郁情绪。 在调整潜在的混杂因素后，与没有表现出目标病理行为的患者相比，那些在病理学上使用1的人数增加了1/2倍的患者的抑郁风险增加了。 这一结果表明，最初没有心理健康问题但在病理学上使用互联网的年轻人可能会因此而患上抑郁症。 然而，这种关系并未表现出焦虑。 这项研究的独特之处在于它能够证明互联网病态使用的心理健康后遗症，这些年轻人最初是健康的。

由于缺乏关于互联网病理性使用对青少年心理健康的中长期影响的类似研究，因此将本研究获得的结果与文献中报道的其他结果进行比较将是困难的。 然而，结果与在青少年的互联网病理学使用和精神病学症状的一般文献中获得的结果一致。^4,11,13,24 这项研究的结果不仅证明了互联网的病理使用与抑郁之间的相关性，而且还证明了互联网的病理使用对年轻人心理健康的直接影响。 考虑以往研究中获得的结果，特别是Ko等，¹⁵ 除了“引言”中提出的论点之外，还可以进一步假设病理性互联网使用与心理健康之间的关系可能不一定是线性的。 有可能应用递归模型来理解病态互联网使用对年轻人心理健康的影响，从而更多地参与病理行为，引发可能螺旋式下降的恶性循环。

从这项研究中获得的结果直接暗示了青少年预防精神疾病，特别是在中国等发展中国家。 该研究的结果表明，在病理学上使用互联网的年轻人最容易出现心理问题，并且如果他们继续这种行为就会患上抑郁症。 据我们了解，青少年心理健康问题带来了巨大的个人成本和社区成本，针对具有已识别风险因素的高危人群的早期干预和预防可有效减轻年轻人的抑郁负担。²⁵ 根据最近的荟萃分析，筛选学校环境中的高危人群可被视为有效的早期预防策略。²⁶ 因此，所有高中都可以考虑进行互联网病理学使用的筛查计划，以识别有早期咨询和治疗风险的个体。

与所有研究一样，本研究也有优点和缺点。 这是一项基于人群的研究，包括随机抽样的学生。 受访者与未回复者之间未发现显着差异，这表明有代表性的样本。 对结果测量使用标准化和有效的评估工具可以最大限度地减少一些测量偏差。 此外，由于这是一项队列研究，结果提供了关于互联网病理使用对青少年心理健康，特别是抑郁症的影响的进一步信息，而不仅仅是两者之间的关联。 这项研究已经证明了互联网病理性使用与健康青少年样本抑郁症之间的时间顺序。 本研究还发现了一些潜在的局限性。 首先，通过自我报告的问卷获得有关结果的信息。 因此，这构成了结果变量中的报告偏差，尽管它很可能是非差异性偏差。 其次，关于暴露变量的信息也通过自我报告收集，并且还受到召回或报告偏差的影响。 第三，并非所有潜在的混杂因素都在分析中进行了测量和调整。 本研究未评估遗传变异和家族性抑郁史等因素。

文章信息

对应： Lawrence T. Lam，悉尼，澳大利亚圣母大学医学院，Darlinghurst校区，160 Oxford St，Darlinghurst，新南威尔士州，澳大利亚2010（[电子邮件保护]).

接受出版： 三月17 2010。

在线发布： 八月2，2010。 DOI：10.1001 / archpediatrics.2010.159

作者贡献：研究概念和设计： 我是。 获取数据：彭 数据分析和解释： 我是。 起草手稿：林和彭。 对重要知识内容的手稿进行重要修订： 我是。 统计分析： 我是。 行政，技术和物质支持：彭

财务公开： 没有报道。

参考文献：