J Behav Addict。 2018 Sep 11：1-11。 doi：10.1556 / 2006.7.2018.69。
李JB1,2, 莫PKH2,3, Lau JTF2,3, 苏XF2,3, 张X4, 吴AMS5, Mai JC6, 陈YX6.
抽象
背景和目的
这项研究的目的是估计在线社交网络成瘾（OSNA）和抑郁之间的纵向关联，OSNA是否预测抑郁症的发展，反之，抑郁症是否预测OSNA的发展。
方法
3月5,365对来自中国南方广州9所中学的2014学生进行了基线调查，并在几个月后跟进了9。 使用经验证的OSNA量表和CES-D分别测量OSNA和抑郁水平。 应用多级逻辑回归模型来估计OSNA与抑郁之间的纵向关联。
功能验证
在基线时抑郁但无OSNA的青少年在随访时发生OSNA的可能性比在基线时未抑郁的青少年高1.48倍[调整OR（AOR）：1.48，95％置信区间（CI）：1.14-1.93 ]。 此外，与在随访期间未患抑郁症的患者相比，在随访期间持续抑郁或出现抑郁症的青少年在随访期间发生OSNA的风险增加（AOR：3.45，95％CI： 2.51-4.75用于持续抑郁; AOR：4.47，95％CI：3.33-5.99用于出现抑郁症）。 相反，在那些没有基线抑郁症的人群中，被归类为持续OSNA或新兴OSNA的青少年与没有OSNA的人相比，患有抑郁症的风险更高（AOR：1.65，95％CI：持续OSNA的1.01-2.69; AOR： 4.29; 95％CI：新兴OSNA的3.17-5.81）。
结语
研究结果表明，OSNA与抑郁症之间存在双向关联，这意味着上瘾的在线社交网络使用伴随着抑郁症状的增加。
关键词： 青少年; 萧条; 纵向联想; 在线社交网络成瘾
结论：30203664
在线社交网络成瘾和抑郁：来自中国青少年的大规模前瞻性队列研究的结果。
J Behav Addict。 2018 Sep 11：1-11。 doi：10.1556 / 2006.7.2018.69。 [印刷前的电子版]
李JB1,2, 莫PKH2,3, Lau JTF2,3, 苏XF2,3, 张X4, 吴AMS5, Mai JC6, 陈YX6.
抽象
背景和目的本研究的目的是估计在线社交网络成瘾（OSNA）与抑郁之间的纵向关联，OSNA是否预测抑郁症的发展，反之，抑郁是否预示OSNA的发展。 方法5,365三月份对来自广州华南九所中学的2014学生进行了基线调查，并在几个月后对9进行了随访。 使用经验证的OSNA量表和CES-D分别测量OSNA和抑郁水平。 应用多级逻辑回归模型来估计OSNA与抑郁之间的纵向关联。 结果基线时抑郁但无OSNA的青少年在随访时发生OSNA的可能性比基线时非抑郁患者的1.48倍更高[调整OR（AOR）：1.48，95％置信区间（CI）：1.14- 1.93。 此外，与在随访期间未患抑郁症的患者相比，在随访期间持续抑郁或出现抑郁症的青少年在随访期间发生OSNA的风险增加（AOR：3.45，95％CI： 2.51-4.75用于持续抑郁; AOR：4.47，95％CI：3.33-5.99用于出现抑郁症）。 相反，在那些没有基线抑郁症的人群中，被归类为持续OSNA或新兴OSNA的青少年与没有OSNA的人相比，患有抑郁症的风险更高（AOR：1.65，95％CI：持续OSNA的1.01-2.69; AOR： 4.29; 95％CI：新兴OSNA的3.17-5.81）。 结论该研究结果表明OSNA与抑郁症之间存在双向关联，这意味着上瘾的在线社交网络使用伴随着抑郁症状的增加。
关键词： 青少年; 萧条; 纵向联想; 在线社交网络成瘾
结论：30203664
介绍
抑郁症，最广泛报道的精神疾病（诺夫，公园和穆尔耶，2008年; Thapar，Collishaw，Potter和Thapar，2010年），是青少年中一个重要的公共卫生问题。 超过9％的青少年报告中度至重度抑郁症，其1年发病率在美国估计为3％（Rushton，Forcier和Schectman，2002年）。 在中国南方，我们之前的研究报告了中学生1周抑郁症患者的23.5％（李等人，2017).
两组横断面报告了青少年网络成瘾与抑郁之间的正相关关系（莫雷诺，耶伦奇克和布雷兰德，2015年; 柳祖祖＆茶，2014）和纵向研究（赵成新，申林，申申，2013; 高彦，陈烨和颜，2009年; Lam，2014）。 然而，这些研究一般评估了网络成瘾，而不是特定类型的在线活动。 青少年可以在互联网上进行多种类型的在线活动。 一些研究强调了将成瘾与特定互联网相关活动区别于网络成瘾的重要性和必要性（戴维斯，2001; 拉科尼，特里卡德和查布罗尔，2015年; Pontes，Szabo和Griffiths，2015年）。 在线社交网络是一种相对较新的现象，在线社交网络用户群体中观察到抑郁症的高患病率（Lin等，2016; Tang＆Koh，2017年）。 与一般人群相比，青少年和学生是在线社交网络最常用的用户（Griths，Kuss和Demetrovics，2014年）。 在线社交网络成瘾（OSNA）是青少年中相对较新的成瘾行为，同时强烈参与在线社交网络活动。 作为一种特定类型的与互联网相关的行为成瘾，OSNA融合了成瘾的核心经典症状（格里菲斯，2013; 库斯与格里菲斯（2011）），并被定义为“过度关注在线社交网络的使用，受到登录或使用在线社交网络的强烈动机的驱使，这会破坏其他社交活动，学习/工作，人际关系和/或心理健康和福祉“（安德烈亚森，2015）。 OSNA在青少年中显着上升。 大约有9.78％的美国大学生自我感知有网瘾（Pempek，Yermolayeva和Calvert，2009年）和29.5％的新加坡大学生拥有OSNA（Tang＆Koh，2017年）。 2010的一项研究报告称，OSNA患病率甚至高于中国大学生的30％（周＆梁，2010）。 有证据表明过度和强迫性的在线社交网络很少有益，而是对青少年的心理社会福祉产生潜在的不利影响，包括情绪，关系和其他健康相关的结果（安德烈亚森，2015).
一些横断面调查报告OSNA与青少年抑郁症之间存在正相关关系（洪，黄，林和邱，2014; Koc和Gulyagci，2013年）。 然而，由于横断面研究设计的固有局限性，目前尚不清楚OSNA是否是抑郁或双向的原因或后果。 在线社交网络可以为青少年提供社交便利和资金，选择性自我披露和潜在的社会支持（埃里森，斯坦菲尔德和兰普，2007年; Steinfield，Ellison和Lampe，2008年）。 患有精神疾病（例如抑郁症和焦虑症）的人可能会将在线社交网络视为安全且重要的虚拟社区（Gámez-Guadix，2014），他们可以摆脱现实世界中遇到的情感问题（安德烈亚森，2015; Griths等，2014），并进一步导致潜在的上瘾参与（Oberst，Wegmann，Stodt，Brand和Chamarro，2017年）。 同时，过度暴露于虚拟社区会导致负面情绪（McDougall等，2016）。 对抑郁情绪失调的青少年可能会受到过度在线社交网络的更多不利影响（Selfhout，Branje，Delsing，Ter Bogt和Meeus，2009年）。 因此，OSNA与抑郁症之间的双向关联在理论上是合理的。 然而，据我们所知，没有前瞻性研究侧重于探索青少年和其他人群中OSNA与抑郁症之间的纵向关系。
因此，我们设计了一项前瞻性研究，通过考虑OSNA和抑郁状态的变化（例如，从疾病）在9个月的随访期内。
研究设计
这项前瞻性队列研究在中国南方的广州进行。 基线调查于3月至4月在2014进行，随后的后续调查以9月间隔进行，使用相同的程序。
参与者和抽样
使用分层整群抽样方法招募参与者。 分别从广州的三个区域（核心，郊区和外郊区）中的每个区域方便地选择了一个区/县（图中的红点） 1）。 然后从每个选定的区/县中方便地选择了三所公立中学，从而选择了总共九所学校。 所选学校的所有七年级和八年级学生都被自愿邀请参加这项研究。 在训练有素的研究助理的监督下，匿名调查问卷由教室环境中的参与者自行管理，没有任何教师。
图1。 研究地点的位置
共有5,365（回复率= 98.04％）的学生完成了基线调查。 同一学生的两份问卷使用家庭电话号码的最后四位数字，父母手机号码的最后四位数字，参与者身份证号码的最后四位数字，参与者的出生日期，最后一封自我和父母的姓名进行匹配。 '拼写名称。 最后，4,871参与者的5,365在随访中提供了完整的问卷（随访率= 90.8％）。 排除那些没有使用在线社交网络的人（n = 643），总共4,237名参与者参与了我们的纵向研究。
抑郁症
使用20项目中文版流行病学抑郁量表（CES-D）测量抑郁症状的水平。 其心理测量属性已在中国青少年中得到验证（陈杨＆李，2009; 郑严，高和日元，2012年; Lee等人，2008年; Wang等，2013）。 分数越高表示抑郁症状越严重，总分从0到60（Radloff，1977）。 本研究中的Cronbachα系数在基线时为.86，随访时为.87，显示出良好的内部可靠性。 报告CES-D评分≥21的个体被定义为抑郁症（丝袜等，2015）。 继之前的研究（Penninx，Deeg，van Eijk，Beekman和Guralnik，2000年; Van Gool等人，2003年），本研究随访期间抑郁状态的变化分类如下：无抑郁症（基线和随访时无抑郁症的参与者），抑郁症缓解（基线抑郁症患者，但随后转为无抑郁症）特写），持续性抑郁症（参与者在基线和随访时均有抑郁症）和新出现的抑郁症（参与者在基线时没有抑郁症，但在随访时转为抑郁症）。
在线社交网络成瘾（OSNA）
使用OSNA量表测量在线社交网络的上瘾水平，该量表包括八项测量认知和行为突显的核心成瘾症状，与其他活动的冲突，兴奋，失控，退缩，复发和恢复。 较高的OSNA评分表明在线社交网络的成瘾倾向较高，最高分为40。 我们之前的研究已经彻底评估了它的心理测量属性（李等人，2016）。 对于OSNA量表，尚无确定的临界值来确定OSNA病例：在得分的十分位数（即OSNA得分≥10）中得分的参与者在基线时被分类为OSNA病例，并且相同的临界值是用于在随访时对病例进行分类。 在先前的研究中已经应用了类似的分类策略（Verkuijl等，2014）。 本研究中Cronbach的OSNA量表α系数为基线时的.86和随访时的.89。 同样，OSNA状态从基线到随访的变化分类如下：无OSNA（无基线和随访的OSNA参与者），OSNA缓解（OSNA在基线时的参与者，但在随访时转为无OSNA） ），持续性OSNA（OSNA在基线和随访时的参与者）和新出现的OSNA（基线时没有OSNA但在随访时转为OSNA的参与者）。
协变量
协变量包括性别，年级，父母教育水平，感知的家庭经济状况，生活安排（父母双方与否），自我报告的学业成绩以及基线时的感知学习压力。
统计分析
适当时提供描述性统计数据（例如，均值，标准差和百分比）。 跨学校集群的课内相关系数为1.56％（p = 002）和1.42％（p = 042），表示发生了学校之间的重大差异（王谢和费雪，2009年）。 因此，应用多级逻辑回归模型（1级：学生; 2级：学校）来评估OSNA与抑郁症之间的纵向关联，从而考虑到学校的整群抽样效应。 与事件抑郁/ OSNA相关的背景协变量 p 在多变量logistic回归模型中，对单因素分析中的<05或文献中广泛报道的性别（即性别和年级）进行了调整。
用于预测OSNA对基线时非抑郁症患者抑郁症新发病率的预测（n = 3,196），我们首先在调整了重要的协变量后，估计了抑郁症的新发病率，即基线OSNA的比值比（OR），包括二进制变量（即是否为OSNA）和连续变量（OSNA量表评分）。调整基线CES-D量表分数（欣克利等人，2014年）。 然后我们估计OSNA状态随时间的变化预测抑郁症的新发病率，包括调整显着协变量的模型和另外调整基线CES-D量表评分的模型。
相反，在基线时没有OSNA的参与者中抑制OSNA新发病率的预测（n 以与上述类似的方式估算（= 3,657），其中OSNA的新发病率作为预后，而抑郁症作为暴露。 分别评估了关于OSNA新发病率的基线抑郁症（连续和分类版本）的预测以及关于OSNA新发病率随时间推移的抑郁状态变化的预测。
使用SAS版本9.4（SAS Institute，Cary，NC，USA）进行统计学分析。 双面的 p 值<.05被认为具有统计学意义。
伦理
研究程序是根据赫尔辛基宣言进行的。 在进行调查之前，学校校长已获得学校同意和校内调查许可。 在学生参与之前获得了口头同意。 本研究及同意程序已获香港中文大学调查及行为研究伦理委员会批准。
功能验证
参与者的特征和消耗分析
磨损分析显示，参与纵向分析的青少年在父母教育水平和自我报告的学业表现方面没有显着差异（n = 4,237），并且被排除在纵向分析之外（n = 1,128）。 参与纵向样本研究的青少年更可能是女性，他们来自八年级，家庭财务状况良好，与父母双方同住，并感到零/轻度学习压力（表 1).
|
表1。 纵向样本中的损耗分析和参与者特征
|
底线 |
参与者的纵向样本 |
参与者在基线时没有抑郁症 |
没有OSNA的参与者在基线时 |
|||||||
|---|---|---|---|---|---|---|---|---|---|---|
|
是 |
没有 |
p* |
非OSNA |
OSNA |
p* |
非抑郁 |
郁闷 |
p* |
||
| 合计 | 5,365 | 4,237 | 1,128 | – | 2,922 | 274 | – | 2,922 | 735 | – |
| 性生活 | ||||||||||
| (男) | 2,533（47.2） | 2,105（49.7） | 727（64.4） | <.001 | 1,464（50.1） | 164（59.8） | .002 | 1,464（50.1） | 309（42.0） | <.001 |
| (女) | 2,832（52.8） | 2,132（50.3） | 401（35.6） | 1,458（49.9） | 110（40.2） | 1,458（49.9） | 426（58.0） | |||
| 年级 | ||||||||||
| 七 | 2,592（48.3） | 2,011（47.5） | 581（51.5） | .016 | 1,418（48.5） | 131（47.8） | .820 | 1,418（48.5） | 337（45.9） | .194 |
| 八 | 2,773（51.7） | 2,226（52.5） | 547（48.5） | 1,504（51.5） | 143（52.2） | 1,504（51.5） | 398（54.2） | |||
| 父亲的教育水平 | ||||||||||
| 小学以下 | 356（6.6） | 273（6.4） | 83（7.4） | .376 | 165（5.7） | 21（7.7） | .049 | 165（5.7） | 61（8.3） | .010 |
| 初中 | 1,816（33.9） | 1,425（33.6） | 391（34.7） | 958（32.8） | 108（39.4） | 958（32.8） | 259（35.2） | |||
| 高中 | 1,646（30.7） | 1,312（31.0） | 334（29.6） | 911（31.2） | 79（28.8） | 911（31.2） | 230（31.3） | |||
| 大专以上 | 1,317（24.5） | 1,053（24.9） | 264（23.4） | 763（26.1） | 54（6.6） | 763（26.1） | 159（21.6） | |||
| 不知道 | 230（4.3） | 174（4.1） | 56（5.0） | 125（4.3） | 12（4.4） | 125（4.3） | 26（3.5） | |||
| 母亲的教育水平 | ||||||||||
| 小学以下 | 588（11.0） | 445（10.5） | 143（12.7） | .144 | 267（9.1） | 35（12.8） | .108 | 267（9.1） | 103（14.0） | <.001 |
| 初中 | 1,909（35.6） | 1,507（35.6） | 402（35.6） | 1,030（35.3） | 108（39.4） | 1,030（35.3） | 274（37.3） | |||
| 高中 | 1,497（27.9） | 1,199（28.3） | 298（26.4） | 860（29.4） | 71（25.9） | 860（29.4） | 180（24.5） | |||
| 大专以上 | 1,143（21.3） | 913（21.6） | 230（20.4） | 634（21.7） | 50（18.3） | 634（21.7） | 156（21.2） | |||
| 不知道 | 228（4.3） | 173（4.1） | 55（4.9） | 131（4.5） | 10（3.6） | 131（4.5） | 22（3.0） | |||
| 家道 | ||||||||||
| 很好/很好 | 2,519（47.0） | 2,047（48.3） | 472（41.8） | <.001 | 1,495（51.2） | 123（44.9） | .115 | 1,495（51.2） | 300（40.8） | <.001 |
| 一般 | 2,664（49.6） | 2,072（48.9） | 592（52.5） | 1,366（46.7） | 143（52.2） | 1,366（46.8） | 405（55.1） | |||
| 贫穷/非常贫穷 | 182（3.4） | 118（2.8） | 64（5.7） | 61（2.1） | 8（8.6） | 61（2.1） | 30（4.1） | |||
| 和父母一起生活 | ||||||||||
| 没有 | 4,712（87.8） | 490（11.6） | 163（14.4） | .008 | 312（10.7） | 30（11.0） | .890 | 312（10.7） | 107（14.6） | .003 |
| 是 | 653（12.2） | 3,747（88.4） | 965（85.6） | 2,610（89.3） | 244（89.0） | 2,610（89.3） | 628（85.4） | |||
| 学业成绩 | ||||||||||
| 上 | 1,817（33.9） | 1,465（34.6） | 223（19.8） | .276 | 1,142（39.1） | 51（18.6） | <.001 | 1,142（39.1） | 205（27.9） | <.001 |
| 中 | 2,396（44.6） | 1,920（45.3） | 619（54.9） | 1,306（44.7） | 134（48.9） | 1,306（44.7） | 347（47.2） | |||
| 降低 | 1,152（21.5） | 490（20.1） | 286（25.4） | 474（16.2） | 89（32.5） | 474（16.2） | 183（24.9） | |||
| 感知学习压力 | ||||||||||
| 无/轻 | 1,034（19.3） | 811（19.1） | 352（31.2） | <.001 | 667（22.8） | 31（11.3） | <.001 | 667（22.8） | 78（10.6） | <.001 |
| General (将军) | 3,052（56.9） | 2,433（57.4） | 476（42.2） | 1,769（60.5） | 172（62.8） | 1,769（60.5） | 359（48.8） | |||
| 重/非常重 | 1,279（23.8） | 993（23.4） | 300（26.6） | 486（16.6） | 71（25.9） | 486（16.6） | 298（40.5） | |||
注意事项。 数据显示为 n （％）。 OSNA：在线社交网络成瘾; CES-D：抑郁症流行病学量表中心; -： 不适用。
*p 使用χ获得值2 测试。
在纵向样本中的4,237青少年（平均年龄：13.9，标准差：0.7）中，49.7％（2,105的4,237）是女性，47.5％（2,011的4,237）是七年级学生。 大多数青少年（88.4％; 3,747的4,237）与父母住在一起。 在纵向样本中，抑郁症的患病率从基线时的24.6％（1,041）和随访时的4,237％显着增加（McNemar's test = 26.6， p = .006）。 基线和随访之间OSNA的患病率无显着差异（基线为13.7％，随访为13.6％； McNemar检验= 0.053， p = .818）。 基线时共有3,196名学生没有抑郁，基线时没有3,657名学生没有OSNA（表 1).
与抑郁症或OSNA新发病率相关的潜在混杂因素
表 2 表明感知的家庭财务状况不佳，自我报告的学习成绩不佳，以及认为沉重的学习压力与抑郁症的发生率较高（单变量OR：1.32-1.98）和OSNA发病率较高（单变量OR范围： 1.61-2.76）。 与父母一起生活仅是OSNA发生率的显着保护因素[单变量OR：0.65，95％置信区间（CI）：0.48-0.89]。
|
表2。 背景协变量与抑郁/ OSNA发生率之间的单变量关联
|
抑郁症发病率 |
OSNA的发病率 |
|||||
|---|---|---|---|---|---|---|
|
n （％）（n = 515） |
ORu（95％CI） |
p |
n （％）（n = 335） |
ORu（95％CI） |
p |
|
| 性生活 | ||||||
| (男) | 249（15.9） | 1 | 168（8.9） | 1 | ||
| (女) | 266（16.3） | 0.96（0.79，1.16） | .641 | 167（9.4） | 0.94（0.75，1.17） | .573 |
| 年级 | ||||||
| 七 | 250（16.1） | 1 | 160（9.1） | 1 | ||
| 八 | 265（16.1） | 1.00（0.83，1.21） | .977 | 175（9.2） | 1.00（0.80，1.26） | .977 |
| 父亲的教育水平 | ||||||
| 小学以下 | 32（17.2） | 1 | 26（11.5） | 1 | ||
| 中学 | 190（17.8） | 1.04（0.69，1.59） | .827 | 116（9.5） | 0.81（0.52，1.28） | .377 |
| 高中 | 139（14.0） | 0.80（0.52，1.23） | .317 | 93（8.2） | 0.67（0.42，1.07） | .090 |
| 大学或以上 | 129（15.8） | 0.92（0.60，1.42） | .705 | 86（9.3） | 0.78（0.49，1.26） | .310 |
| 不知道 | 25（18.3） | 1.14（0.63，2.04） | .666 | 14（9.3） | 0.79（0.40，1.59） | .516 |
| 母亲的教育水平 | ||||||
| 小学以下 | 47（15.6） | 1 | 31（8.4） | 1 | ||
| 中学 | 196（17.2） | 1.15（0.81，1.63） | .424 | 118（9.1） | 1.11（0.73，1.69） | .621 |
| 高中 | 141（15.2） | 1.01（0.70，1.46） | .939 | 109（10.5） | 1.28（0.84，1.96） | .257 |
| 大学或以上 | 105（15.4） | 1.03（0.70，1.52） | .861 | 64（8.1） | 0.97（0.61，1.53） | .891 |
| 不知道 | 26（18.4） | 1.32（0.77，2.25） | .310 | 13（8.5） | 1.03（0.52，2.03） | .940 |
| 家道 | ||||||
| 很好/很好 | 229（14.2） | 1 | 145（8.1） | 1 | ||
| 一般 | 269（17.8） | 1.32（1.08，1.60） | .006 | 172（9.7） | 1.21（0.96，1.53） | .105 |
| 贫穷/非常贫穷 | 17（24.6） | 1.98（1.12，3.49） | .019 | 18（19.8） | 2.76（1.60，4.76） | <.001 |
| 和父母一起生活 | ||||||
| 没有 | 64（18.7） | 1 | 54（12.9） | 1 | ||
| 是 | 451（15.8） | 0.80（0.60，1.07） | .135 | 281（8.7） | 0.65（0.48，0.89） | .008 |
| 学业成绩 | ||||||
| 上 | 169（14.2） | 1 | 109（8.1） | 1 | ||
| 中 | 226（15.7） | 1.13（0.91，1.41） | .254 | 145（8.8） | 1.10（0.85，1.42） | .488 |
| 降低 | 120（21.3） | 1.66（1.28，2.16） | <.001 | 81（12.3） | 1.61（1.19，2.19） | .002 |
| 感知学习压力 | ||||||
| 无/轻 | 96（13.8） | 1 | 59（7.9） | 1 | ||
| 一般 | 305（15.7） | 1.16（0.90，1.48） | .253 | 178（8.4） | 1.05（0.77，1.44） | .735 |
| 重/非常重 | 114（20.5） | 1.63（1.20，2.20） | .002 | 96（12.5） | 1.65（1.17，2.32） | .004 |
注意事项。 OSNA：在线社交网络成瘾; ORu：单变量比值比; 95％CI：95％置信区间，由单变量逻辑回归模型获得。
OSNA预测抑郁症的新发病率
在基线时非抑郁症的3,196青少年中，单变量模型显示基线OSNA与随访期间抑郁发生率较高显着相关（单变量OR：1.65，95％CI：1.22-2.22）。 在调整性别，年级，家庭财务状况，学业表现和感知学习压力后，该关联仍然显着[调整OR（AOR）：1.48，95％CI：1.09-2.01]。 当进一步调整基线CES-D评分时，该关联在统计学上变得不显着（AOR：1.16，95％CI：0.85-1.60）。 当使用OSNA评分（连续变量）作为新发事件抑郁症的预测因子时，观察到类似的结果（表 3).
|
表3。 OSNA与抑郁症之间的纵向关联：多级逻辑回归模型
|
n |
新事件数量 |
单变量模型 |
多变量模型 |
|||||
|---|---|---|---|---|---|---|---|---|
|
ORu（95％CI） |
p |
AOR（95％CI） |
p |
AOR（95％CI） |
p |
|||
| OSNA预测新发生的抑郁症（n = 3,196） | ||||||||
| 基线OSNA评分（连续） | – | – | 1.05（1.03，1.07） | <.001 | 1.04（1.02，1.06）a | <.001 | 1.01（0.99，1.03）b | .242 |
| 基线OSNA | ||||||||
| 没有 | 2,922 | 451 | 1 | 1a | 1b | |||
| 是 | 274 | 64 | 1.65（1.22，2.22） | .001 | 1.48（1.09，2.01） | .012 | 1.16（0.85，1.60） | .342 |
| OSNA状态随时间的变化 | ||||||||
| 没有OSNA | 2,694 | 354 | 1 | 1a | 1b | |||
| OSNA的缓解 | 179 | 38 | 1.77（1.21，2.58） | .003 | 1.61（1.10，2.37） | .015 | 1.29（0.87，1.91） | .202 |
| 持久性OSNA | 95 | 26 | 2.46（1.54，3.93） | <.001 | 2.23（1.39，3.58） | <.001 | 1.65（1.01，2.69） | .044 |
| 新兴的OSNA | 228 | 97 | 4.89（3.67，6.52） | <.001 | 4.67（3.49，6.24） | <.001 | 4.29（3.17，5.81） | <.001 |
| 抑郁症预示新事件OSNA（n = 3,657） | ||||||||
| 基线CES-D评分（连续） | – | – | 1.05（1.03，1.06） | <.001 | 1.04（1.03，1.05）c | <.001 | 1.03（1.01，1.04）d | <.001 |
| 基线抑郁症 | ||||||||
| 没有 | 2,922 | 228 | 1 | 1c | 1d | |||
| 是 | 735 | 107 | 2.02（1.58，2.58） | <.001 | 1.78（1.38，2.31） | <.001 | 1.48（1.14，1.93） | .004 |
| 随着时间的推移改变抑郁状态 | ||||||||
| 没有抑郁症 | 2,471 | 131 | 1 | 1c | 1d | |||
| 抑郁症缓解 | 315 | 21 | 1.28（0.80，2.07） | .307 | 1.19（0.73，1.93） | .486 | 0.97（0.60，1.59） | .918 |
| 持续抑郁 | 420 | 86 | 4.62（3.43，6.21） | <.001 | 4.17（3.05，5.69） | <.001 | 3.45（2.51，4.75） | <.001 |
| 新兴的抑郁症 | 451 | 97 | 4.88（3.67，6.50） | <.001 | 4.70（3.53，6.28） | <.001 | 4.47（3.33，5.99） | <.001 |
注意事项。 OSNA：在线社交网络成瘾; CES-D：抑郁症流行病学量表中心; ORu：单变量比值比; AOR：调整比值比; 95％CI：95％置信区间。
a模型根据性别，年级，家庭财务状况，学业表现和感知学习压力进行调整。 b模型根据性别，年级，家庭财务状况，学业表现，感知研究压力和基线CES-D量表评分（连续变量）进行调整。 c模型根据性别，年级，家庭经济状况，与父母的生活安排，学习成绩和感知学习压力进行调整。 d根据性别，年级，家庭经济状况，与父母的生活安排，学习成绩，感知学习压力和基线OSNA量表评分（连续变量）调整模型。
我们发现OSNA状态的变化与抑郁症发病率之间存在显着相关性。 与被归类为无OSNA的青少年相比，患有持续性OSNA的患者发生抑郁的风险是1.65倍（95％CI：1.01-2.69），并且4.29倍（95％CI：3.17-5.81）更高。在调整性别，年级，家庭经济状况，学业成绩，感知学习压力和基线CES-D评分后，新兴OSNA（表 3).
抑郁症预示OSNA的新发病率
在基线时没有OSNA的3,657青少年中，单变量结果显示基线抑郁与OSNA发生率较高之间存在显着的正相关（单变量OR：2.02，95％CI：1.58-2.58）。 在调整性别，年级，家庭经济状况，与父母的生活安排，学习成绩和感知学习压力之后，该关联略微减弱但仍然显着（AOR：1.78，95％CI：1.38-2.31）。 当进一步调整基线OSNA评分时，基线抑郁状态与OSNA发病率之间的关联仍然具有统计学意义（AOR：1.48，95％CI：1.14-1.93）。 当使用CES-D评分（连续变量）作为新事件OSNA的预测因子时，结果仍然显着（表 3).
在多变量分析中观察到抑郁状态变化与OSNA发生率之间的显着相关性。 调整性别，年级，家庭经济状况，与父母的生活安排，学业成绩，感知学习压力和基线OSNA评分，与没有抑郁症的青少年相比，发展OSNA的几率是3.45倍（95％CI：2.51- 4.75）在持续抑郁的人中较高，而4.47次（95％CI：3.33-5.99）在出现抑郁症的人中更高（表 3).
讨论
在这项大规模的纵向研究中，我们发现与基线时没有抑郁症的青少年相比，基线时没有抑郁症但在基线时没有ONSA的青少年在48个月的随访期内患OSNA的风险高9％，但是预测本研究不支持关于新发抑郁症的基线OSNA。 此外，在模型中考虑状态随时间变化的影响（即从基线的抑郁症/ OSNA缓解到随访时的非抑郁症/非OSNA缓解）时，结果表明OSNA与抑郁症之间存在双向关联。 与那些在9个月的随访期内没有抑郁的青少年相比，持续抑郁或出现抑郁的青少年患OSNA的风险更高。 相反，与在基线和随访中均没有OSNA的青少年相比，持续OSNA或新兴OSNA的青少年患抑郁症的风险也增加。
OSNA的高缓解率可以解释使用基线测量（即基线OSNA）和状态变化（即OSNA状态变化）所获得的结果差异来预测发病结果（即抑郁的新发病率）。随访期间情绪低落。 在台湾之前的两项纵向研究中，互联网成瘾行为的自然缓解率很高（49.5％–51.5％）（高颜，颜，林，杨，2007; Ko等，2015）。 我们之前在香港进行的调查结果也一致地观察到12月期间网络成瘾行为的缓解率很高（59.29每100个人年; 刘吴，格罗斯，郑和刘，2017）。 同样，在本研究中，在研究期间观察到大部分来自抑郁症（41.4％）和OSNA（58.8％）的缓解病例。 这些结果表明，基线评估中的OSNA和抑郁状态不能被视为随时间变化的不可改变的状况，因此忽略缓解效应可能会低估OSNA对抑郁的影响。 因此，我们推测，随着时间的推移，涉及OSNA动态变化和抑郁状态的建模方法可以通过排除缓解病例的潜在抵消效应来提供更有说服力和更可靠的估计。
这项研究的发现表明，青少年OSNA与抑郁症之间存在双向关联，这表明抑郁症使个人容易患OSNA，而OSNA的负面后果又加剧了抑郁症的症状。 不良适应性认知（即反省，自我怀疑，自我效能低下和负面的自我评价）和功能失调的行为（即使用互联网逃避情绪问题）对于发展与互联网相关的成瘾行为至关重要（戴维斯，2001）。 沮丧的人通常会表现出认知症状，并且对互联网的使用抱有积极的期望，因为互联网会分散他们的负面情绪和个人问题（例如，抑郁和孤独； Brand，Laier和Young，2014年; 吴祥九，＆Hung，2013）。 尤其是，与面对面交流相比，在线社交网络具有匿名性且不存在社交线索（即面部表情，语音偏向和眼神交流），因此对有情绪问题的人们具有吸引力（因为Young＆Rogers，1998年）。 沮丧的人可能更喜欢在线社交网络，因为它是一种更安全，威胁较小的通信方式，也是调节其负面情绪（即减轻负面情绪，焦虑和个人问题）的手段。 这些适应不良的认知和回避应对策略加速了OSNA的发展。 在线社交网络的过多参与会浪费与家人和同伴在现实世界中度过的时间，并导致他们退出人际离线活动，从而加剧了负面情绪（例如，抑郁症状和孤独感； Kraut等，1998），从而呈现互惠关系。
本研究的结果对设计预防和干预计划有一些影响。 首先，对OSNA新发病率的基线抑郁的积极预测意味着抑郁的青少年后期发生OSNA的风险很高。 减少抑郁症状的干预策略，即减少对互联网使用的积极结果预期的适应不良信念，培训社交技能和规划线下休闲活动（周等人，2015），可能有效阻止OSNA的发展。 其次，评估抑郁症状的水平作为OSNA脆弱性的标志是有意义的。 针对具有确定的抑郁症状的高风险青少年的干预和预防措施，可能会减少在学校青少年中经历OSNA的几率。 第三，对于OSNA状态变化（即持续性OSNA和新发OSNA）对抑郁症发病率的强烈预测以及对抑郁状态变化（即持续性抑郁症和新发性抑郁症）对OSNA发病率的预测，这意味着OSNA与抑郁症高度并存，说明增强机制为负面。
对未来的研究有一些影响。 首先，我们的研究结果以及之前的研究表明，OSNA和抑郁症状的水平在研究期间是动态的和可逆的，而不是偶然的偶然波动（Lau等，2017）。 建议对涉及抑郁症或OSNA的措施进行进一步的研究，通过假设这些疾病不会随着时间变化而重复测量这些疾病，而不仅仅是一个时间点。 此外，统计方法应在建模规范中考虑这种状态变化，例如使用病理状态随时间的变化而不是基线状态作为心理健康结果的预测指标。 第二，它引起了人们的关注，这些疾病（即抑郁症状和与互联网相关的行为）是长期的还是短期的。 涉及潜在类别轨迹建模方法的进一步纵向研究可以替代估计这些疾病的自然发展过程。
据我们所知，我们的队列研究首次评估OSNA与青少年抑郁症之间的双向关联。 本研究的主要优势是前瞻性大规模研究设计，重复测量OSNA和抑郁症。 另一个主要优点是在同一样本中测试了双向关联，包括OSNA对抑郁症发展的纵向预测和对OSNA发展的抑郁症的纵向预测。
但是，在解释发现时应注意一些限制。 首先，由于采用自我报告的数据收集方法，因此可能会存在报告偏差（例如，社会期望偏差和召回偏差）。 其次，这项研究集中于特定的人口群体（即非临床，基于学校的学生），并且将结果推广到其他人群时应谨慎。 在其他人口统计学人群（即精神病学临床人群）中进行的研究对于进一步证实本研究中发现的这种纵向联系是必要的。 第三，考虑到抑郁症是通过自我流行病学筛查量表而非临床评估抑郁症来衡量的，因此可能存在将抑郁症归类为测量误差的来源。 第四，这项研究仅限于两个时间点，间隔9个月。 当我们通过比较间隔9个月进行的基线调查和随访调查的结果来定义OSNA /抑郁症的变化（即持续性ONSA /抑郁症和OSNA /抑郁症的缓解）时，我们不知道OSNA /抑郁症的状态是否改变或在9个月的期间内波动。 要获得这些负面条件的动态图像，必须进行多次观测和较短时间间隔的纵向研究。 第五，考虑到OSNA没有可用的黄金标准仪器和诊断标准，我们在进行类似研究后，使用基线的OSNA分数的十分位数来确定OSNA病例（Verkuijl等，2014）。 这种OSNA状态标准的敏感性和特异性尚不清楚，需要在未来的研究中进行评估。 然而，OSNA量表在本研究和我们之前的研究中显示出可接受的心理测量特性。 第六，使用两个子样本分别估计OSNA和抑郁症之间的纵向关联。 我们认为，使用病理状态作为结果而非连续评分可以在流行病学研究中提供更有意义的解释。 交叉滞后结构方程模型可以成为探索未来纵向研究中三个或更多观察结果的因果方向的替代方法。 此外，我们的研究结果为OSNA和抑郁症之间的时间关联（因果推断的一个重要标准）提供了有力的证据。 然而，我们不能排除本研究中未包括的第三个变量将OSNA与抑郁症之间的纵向关联联系起来的可能性。
结论
这项研究揭示了OSNA与青少年抑郁之间的双向关联，这意味着抑郁症显着促进了OSNA的发展，反过来，抑郁的个体也会因上瘾的在线社交网络使用而遭受更多的有害影响。 需要进行更多具有多个观察时间点和短时间间隔的纵向研究，以进一步确认本研究的结果。
作者的贡献
J-BL，JTFL，PKHM和X-FS构思并设计了该研究。 J-BL，J-CM和Y-XC获得了数据。 J-BL，JTFL和PKHM进行了统计分析。 J-BL，JTFL，PKHM，XZ和AMSW起草并修订了手稿。 所有作者都对重要知识内容的手稿结果的解释和重要修订做出了贡献，并批准了稿件的最终版本。
利益冲突
作者宣称没有利益冲突。
致谢
作者希望感谢所有参与者及其家人和学校支持本研究。
案例
| Andreassen，C.S.（2015年）。 在线社交网站上瘾：全面审查。 《最新成瘾报告》，第2（2）期，第175-184页。 土井：https://doi.org/10.1007/s40429-015-0056-9 交叉引用, Google Scholar | |
| Brand，M.，Laier，C.，＆Young，K.S.（2014）。 网络成瘾：应对方式，期望和治疗意义。 心理学前沿，5，1256年。https://doi.org/10.3389/fpsyg.2014.01256 交叉引用, MEDLINE, Google Scholar | |
| Chen，Z.Y.，Yang，X.D.，＆Li，X.Y.（2009）。 中国青少年CES-D的心理测量特征。 中华临床心理学杂志，17（4），443–448。 土井：https://doi.org/10.16128/j.cnki.1005-3611.2009.04.027 Google Scholar | |
| Cheng C.P.，Yen，C.F.，Ko，C.H。和Yen，J.Y。（2012年）。 台湾青少年流行病学研究中心抑郁量表的因素结构。 综合精神病学，53（3），299–307。 土井：https://doi.org/10.1016/j.comppsych.2011.04.056 交叉引用, MEDLINE, Google Scholar | |
| Cho，S.M.，Sung，M.J.，Shin，K.M.，Lim，K.Y.，＆Shin，Y.M.（2013）。 儿童期的心理病理学能否预测男性青少年的网络成瘾？ 儿童精神病学与人类发展，44（4），549-555。 土井：https://doi.org/10.1007/s10578-012-0348-4 交叉引用, MEDLINE, Google Scholar | |
| 周永平，高昌华，考夫曼，E.A。，克罗威尔，S.E。，萧小龙，王保卫，林俊杰和颜长发（2015）。 压力应对策略与大学生网络成瘾的关联：抑郁症的调节作用。 综合精神病学，62，27–33。 土井：https://doi.org/10.1016/j.comppsych.2015.06.004 MEDLINE, Google Scholar | |
| 戴维斯河（2001）。 病理性互联网使用的认知行为模型。 《人类行为中的计算机》，第17卷第2期，第187–195页。 土井：https://doi.org/10.1016/S0747-5632(00)00041-8 交叉引用, Google Scholar | |
| Ellison，N.B.，Steinfield，C.和Lampe，C.（2007）。 Facebook“朋友”的好处：社会资本和大学生使用在线社交网站。 计算机介导通信杂志，12（4），1143–1168。 土井：https://doi.org/10.1111/j.1083-6101.2007.00367.x 交叉引用, Google Scholar | |
| Gámez-Guadix，M。（2014）。 青少年抑郁症状和互联网使用问题：从认知 - 行为模型分析纵向关系。 网络心理学，行为和社交网络，17（11），714-719。 DOI：https://doi.org/10.1089/cyber.2014.0226 MEDLINE, Google Scholar | |
| Griffiths，M.D.（2013年）。 社交网络成瘾：新出现的主题和问题。 成瘾研究与治疗杂志，4（5），e118。 土井：https://doi.org/10.4172/2155-6105.1000e118 Google Scholar | |
| Griths，M.D.，Kuss，D.J.和＆Demetrovics，Z.（2014年）。 社交网络成瘾：初步发现概述。 在K. P. Rosenberg和L. C. Feder（编辑）中，行为成瘾：标准，证据和治疗（第119-141页）。 英国伦敦：爱思唯尔。 Google Scholar | |
| Hinkley，T.，Verbestel，V.，Ahrens，W.，Lissner，L.，Molnár，D.，Moreno，LA，Pigeot，I.，Pohlabeln，H.，Reisch，LA，＆Russo，P.（2014年） ）。 早期儿童使用电子媒体预测幸福感降低：一项前瞻性队列研究。 JAMA Pediatrics，168（5），485–492。 土井：https://doi.org/10.1001/jamapediatrics.2014.94 MEDLINE, Google Scholar | |
| Hong，F.Y.，Huang，D.H.，Lin，H.Y.，＆Chiu，S.L.（2014）。 台湾大学生的心理特征，Facebook使用情况和Facebook成瘾模型分析。 远程信息处理和信息学，31（4），597–606。 土井：https://doi.org/10.1016/j.tele.2014.01.001 交叉引用, Google Scholar | |
| Knopf，D.，Park，M.J.，＆Mulye，T.P.（2008年）。 青少年的心理健康：国家概况，2008年。加利福尼亚州旧金山：国家青少年健康信息中心。 Google Scholar | |
| Ko，C.H.，Wang，P.W.，Liu，T.L.，Yen，C.F.，Chen，C.S.，＆Yen，J.Y.（2015）。 在一项前瞻性调查中，家庭因素与青少年网络成瘾之间的双向关联。 精神病学与临床神经科学，69（4），192–200。 土井：https://doi.org/10.1111/pcn.12204 MEDLINE, Google Scholar | |
| Ko，C. H.，Yen，J. Y.，Chen，C.S.，Yeh，Y.C.，and Yen，C.F.（2009）。 精神症状对青少年网络成瘾的预测价值：一项为期2年的前瞻性研究。 儿科与青少年医学档案，163（10），937–943。 土井：https://doi.org/10.1001/archpediatrics.2009.159 交叉引用, MEDLINE, Google Scholar | |
| Ko，C. H.，Yen，J. Y.，Yen，C.F.，Lin，H.C.，＆Yang，M.J.（2007）。 预测青少年网络成瘾发生和缓解的因素：一项前瞻性研究。 网络心理学与行为，10（4），545–551。 土井：https://doi.org/10.1089/cpb.2007.9992 交叉引用, MEDLINE, Google Scholar | |
| Koc，M.和Gulyagci，S.（2013年）。 土耳其大学生中的Facebook成瘾：心理健康，人口统计学和使用特征的作用。 网络心理学，行为与社交网络，第16卷第4期，第279-284页。 土井：https://doi.org/10.1089/cyber.2012.0249 交叉引用, MEDLINE, Google Scholar | |
| Kraut，R.，Patterson，M.，Lundmark，V.，Kiesler，S。，Mukopadhyay，T。，＆Scherlis，W。（1998）。 互联网悖论。 减少社交投入和心理健康的社交技术？ 美国心理学家，53（9），1017–1031。 土井：https://doi.org/10.1037/0003-066X.53.9.1017 交叉引用, MEDLINE, Google Scholar | |
| Kuss，D.J.和Griffiths，M.D.（2011）。 在线社交网络和成瘾–心理文献综述。 国际环境研究与公共卫生杂志，8（9），3528–3552。 土井：https://doi.org/10.3390/ijerph8093528 交叉引用, MEDLINE, Google Scholar | |
| Laconi，S.，Tricard，N.和Chabrol，H.（2015年）。 根据性别，年龄，上网时间和心理病理症状，特定和普遍存在问题的Internet使用之间的差异。 《人类行为计算机》，第48卷，第236-244页。 土井：https://doi.org/10.1016/j.chb.2015.02.006 交叉引用, Google Scholar | |
| Lam L.T.（2014）。 互联网游戏成瘾，互联网使用有问题以及睡眠问题：系统综述。 Current Psychiatry Reports，16（4），444。https://doi.org/10.1007/s11920-014-0444-1 交叉引用, MEDLINE, Google Scholar | |
| Lau，J.T. F.，Wu，A.M.S.，Gross，D.L.，Cheng，K.M.，＆Lau，M.M.C.（2017）。 网络成瘾是暂时的还是持久的？ 中国中学生网络成瘾缓解的发生率和预期指标。 上瘾行为，74，55–62。 土井：https://doi.org/10.1016/j.addbeh.2017.05.034 MEDLINE, Google Scholar | |
| Lee，S.W.，Stewart，S.M.，Byrne，B.M.，Wong，J.P.S.，Ho，S.Y.，Lee，P.W.H。，and Lam，T.H.（2008年）。 香港青少年流行病学研究中心抑郁量表的因素结构。 人格评估杂志，90（2），175–184。 土井：https://doi.org/10.1080/00223890701845385 MEDLINE, Google Scholar | |
| Li，J.B.，Lau，J.T. F.，Mo，P.K.H.，Su，X.F.，Tang，J.，Qin，Z.G.，＆Gross，D.L.（2017）。 失眠部分地介导了中国中学生互联网使用问题和抑郁之间的关联。 行为成瘾杂志，6（4），554–563。 土井：https://doi.org/10.1556/2006.6.2017.085 链接, Google Scholar | |
| Li，J.B.，Lau，J.T. F.，Mo，P.K.H.，Su，X.F.，Wu，A.M.，Tang，J.，and Qin，Z.G.（2016）。 中国初中学生社交网络活动强度量表的验证。 PLoS One，11（10），e0165695。 土井：https://doi.org/10.1371/journal.pone.0165695 交叉引用, MEDLINE, Google Scholar | |
| Lin，L.Y.，Sidani，J.E.，Shensa，A.，Radovic，A.，Miller，E.，Colditz，J.B.，Hoffman，B.L.，Giles，L.M.，＆Primack，B.A.（2016）。 美国年轻人中社交媒体使用与抑郁之间的关联。 抑郁与焦虑，33（4），323–331。 土井：https://doi.org/10.1002/da.22466 MEDLINE, Google Scholar | |
| McDougall，M.A.，Walsh，M.，Wattier，K.，Knigge，R.，Miller，L.，Stevermer，M.，＆Fogas，B.S.（2016）。 社交网站对感知的社会支持与抑郁之间的关系的影响。 精神病学研究，246，223–229。 土井：https://doi.org/10.1016/j.psychres.2016.09.018 MEDLINE, Google Scholar | |
| Moreno，M.A.，Jelenchick，L.A.和Breland，D.J.（2015）。 探索大学女生的抑郁和有问题的互联网使用：一项多点研究。 《人类行为中的计算机》，49，601–607。 土井：https://doi.org/10.1016/j.chb.2015.03.033 Google Scholar | |
| 奥伯斯特，美国，韦格曼，E。，斯托德，B。，布兰德，M。和Chamarro，A。（2017年）。 青少年沉重的社交网络带来的负面影响：害怕错过的中介作用。 青春期杂志，55，51-60。 土井：https://doi.org/10.1016/j.adolescence.2016.12.008 交叉引用, MEDLINE, Google Scholar | |
| Pempek，T.A.，Yermolayeva，Y.A.和Calvert，S.L.（2009）。 大学生在Facebook上的社交网络体验。 应用发展心理学杂志，30（3），227–238。 土井：https://doi.org/10.1016/j.appdev.2008.12.010 交叉引用, Google Scholar | |
| Penninx，B.W.，Deeg，D.J.，van Eijk，J.T.，Beekman，A.T。，＆Guralnik，J.M。（2000）。 老年人抑郁和身体衰退的变化：纵向观察。 情感障碍杂志，61（1-2），1-12。 土井：https://doi.org/10.1016/s0165-0327(00)00152-x MEDLINE, Google Scholar | |
| Pontes，H.M.，Szabo，A.和Griffiths，M.D.（2015）。 基于Internet的特定活动对网络成瘾，生活质量和过度使用的观念的影响：一项横断面研究。 上瘾行为报告，第1卷，第19-25页。 土井：https://doi.org/10.1016/j.abrep.2015.03.002 交叉引用, MEDLINE, Google Scholar | |
| Radloff，L.S.（1977）。 CES-D量表：用于一般人群研究的自我报告抑郁量表。 应用心理测量，1（3），385–401。 土井：https://doi.org/10.1177/014662167700100306 交叉引用, Google Scholar | |
| Rushton，J. L.，Forcier，M.＆Schectman，R.M.（2002）。 全国青少年健康纵向研究中抑郁症状的流行病学。 美国儿童与青少年精神病学杂志，41（2），199–205。 土井：https://doi.org/10.1097/00004583-200202000-00014 MEDLINE, Google Scholar | |
| Selfhout，M。H. W.，Branje，S。J. T.，Delsing，M.，Ter Bogt，T。F. M.和Meeus，W。H. J.（2009）。 不同类型的Internet使用，抑郁和社交焦虑：感知的友谊质量的作用。 青春期杂志，32（4），819–833。 土井：https://doi.org/10.1016/j.adolescence.2008.10.011 交叉引用, MEDLINE, Google Scholar | |
| Steinfield，C.，Ellison，N. B.，＆Lampe，C.（2008）。 社会资本，自尊心和在线社交网站的使用：纵向分析。 应用发展心理学杂志，29（6），434–445。 土井：https://doi.org/10.1016/j.appdev.2008.07.002 交叉引用, Google Scholar | |
| 丝袜，Degenhardt，L.，Y.Y.，Mihalopoulos，C.，Liu，A.，Hobbs，M.，＆Patton，G.（2015年）。 用于检测儿童和青少年主要抑郁症的症状筛查量表：可靠性，有效性和诊断性的系统评价和荟萃分析。 情感障碍杂志，174，447–463。 土井：https://doi.org/10.1016/j.jad.2014.11.061 MEDLINE, Google Scholar | |
| Tang C. S.和Koh Y.Y.（2017）。 新加坡大学生中的在线社交网络成瘾：行为成瘾和情感障碍的合并症。 亚洲精神病学杂志，第25卷，第175-178页。 土井：https://doi.org/10.1016/j.ajp.2016.10.027 MEDLINE, Google Scholar | |
| Thapar，A.，Collishaw，S.，Potter，R.，＆Thapar，A.K.（2010）。 管理和预防青少年的抑郁症。 BMJ，340，c209。 土井：https://doi.org/10.1136/bmj.c209 交叉引用, MEDLINE, Google Scholar | |
| Van Gool，C.H.，Kempen，GIJM，Penninx，BWJH，Deeg，D.J. H.，Beekman，A.T. F.和Van Eijk，J.T.M.（2003）。 中晚期老年人的抑郁症状变化与不良生活方式之间的关系：阿姆斯特丹纵向老龄化研究的结果。 年龄和年龄，32（1），81-87。 土井：https://doi.org/10.1093/ageing/32.1.81 MEDLINE, Google Scholar | |
| Verkuijl，N. E.，Richter，L.，Norris，S.A.，Stein，A.，Avan，B.，＆Ramchandani，P.G.（2014）。 产后抑郁症状和10岁儿童的心理发展：一项从南非出生到1岁队列纵向数据的前瞻性研究。 柳叶刀精神病学，6（454），460–XNUMX。 土井：https://doi.org/10.1016/S2215-0366(14)70361-X MEDLINE, Google Scholar | |
| Wang，J.C.，Xie，H.Y.，＆Fisher，J.H.（2009）。 离散结果度量的多层模型。 在L.P. Wang（编），多层模型：使用SAS的应用程序® （pp.113-174）。 中国北京：高等教育出版社。 Google Scholar | |
| Wang，M.，Armour，C.，Wu，Y.，Ren，F.，Zhu，X.，＆Yao，S.（2013）。 CES-D的因子结构和中国大陆青少年的性别差异。 临床心理学杂志，69（9），966–979。 土井：https://doi.org/10.1002/jclp.21978 MEDLINE, Google Scholar | |
| Wu，A.M. S.，Cheung，V.I.，Ku，L.，＆Hung，E.P.W.（2013）。 中国智能手机用户对社交网站上瘾的心理风险因素。 行为成瘾杂志，2（3），160–166。 土井：https://doi.org/10.1556/JBA.2.2013.006 链接, Google Scholar | |
| Yoo，Y.-S.，Cho，O.-H.，＆Cha，K.-S. （2014）。 互联网过度使用与青少年心理健康之间的关联。 护理与健康科学，16（2），193–200。 土井：https://doi.org/10.1111/nhs.12086 交叉引用, MEDLINE, Google Scholar | |
| Young，K.S。和Rogers，R.C。（1998）。 抑郁与网络成瘾之间的关系。 网络心理学与行为，1（1），25-28。 土井：https://doi.org/10.1089/cpb.1998.1.25 交叉引用, Google Scholar | |
| Zhou，S.X.，＆Leung，L.（2010年）。 满足感，孤独感，休闲无聊和自尊是中国大学生SNS游戏成瘾和使用方式的预测指标。 香港中文大学新媒体理学硕士。 Google Scholar |