近期，《JAMA》主刊一项前瞻性队列研究，通过识别青少年屏幕使用的行为轨迹模式，发现青少年在成长过程中若呈现出高水平的、或逐渐增强的“成瘾式”的电子产品/屏幕使用行为轨迹，与其心理健康问题风险增加显著相关。
但是，总屏幕使用时间本身与自杀或心理问题无显著相关性。
不论是工作日还是周末，高屏幕时长（≥4小时/天）在多项心理结局上都无显著统计学关联；
即使将总时长纳入模型作为协变量，成瘾使用轨迹与心理结局的关联仍然稳健存在。
这些结果均强调了屏幕使用的“时间”远不如使用“成瘾性”来得重要。相较于单纯分析屏幕使用时间，轨迹模型揭示了其中的关联。
一起详细看看！
传统的观点认为，长时间的屏幕使用影响了青少年的心理健康；而没有考虑过，孩子是否陷入了成瘾式的屏幕使用轨迹。
《JAMA》杂志这项研究旨在识别社交媒体、手机与视频游戏成瘾性使用的轨迹，并检验这些轨迹与青少年的自杀行为、自杀意念及心理健康结局之间的关联。
一、研究设计
P（Population）研究对象：基于美国青少年大脑认知发展研究（ABCD Study，2016–2022）基线至第 4 年随访的数据，纳入4285名在基线时年龄约为10岁的儿童。
E（Exposure）暴露：研究在第2至第4年间采用量表问卷（社交媒体成瘾问卷SMAQ、手机依赖问卷MPIQ、电子游戏成瘾问卷VGAQ）评估青少年社交媒体、手机和电子游戏的成瘾性使用情况。并采用潜在类别线性混合模型识别其使用轨迹类型（分为：高使用型、逐渐上升型、低使用型）。
O（Outcome）结局：自杀行为与自杀意念通过儿童与家长报告、采用儿童情感与精神障碍诊断访谈（K-SADS）评估。心理健康结局基于父母报告的当前内化（例如焦虑、抑郁）与外化（例如攻击、违规）症状，使用儿童行为核对表（CBCL）得出的 T 分数评估。
S（Study design）研究类型：前瞻性队列研究。
二、主要研究结果
1.基于多项拟合指标选择了最优成瘾性使用轨迹模型
确定了社交媒体和手机的3种成瘾性使用轨迹，以及电子游戏的2种成瘾性使用轨迹：
社交媒体呈现高使用型（9.6%）、上升型（31.3%）、低使用型（59.1%）三种轨迹；
手机使用呈现高使用型（49.2%）、上升型（24.6%）、低使用型（26.2%）三种轨迹；
电子游戏则呈现高使用型（41.1%）与低使用型（58.9%）两种轨迹。
2.成瘾严重度轨迹与心理健康风险增加显著相关
（1）自杀行为和自杀意念风险
与低使用的青少年相比，那些具有高使用（一上来就高强度成瘾）和上升型（逐渐成瘾）轨迹模式的青少年，其自杀相关风险显著升高。
社交媒体—高水平使用者自杀行为和自杀意念风险分别增加至2.39倍和1.51倍，逐渐上升型的使用者增加至2.14倍和1.46倍；
手机使用—高水平使用者自杀行为和自杀意念风险分别增加至2.17倍和1.50倍；
电子游戏—高水平使用者自杀行为和自杀意念风险为1.54倍和1.53倍。
（2）内化和外化症状评分
除了自杀相关问题，其他心理健康问题在具有成瘾性使用轨迹的参与者中也显著上升。
社交媒体：与低成瘾使用轨迹相比，逐渐上升型的内化症状 T 分数更高；而高峰型与逐渐上升型的外化症状 T 分数均更高。
手机使用：与内化和外化症状评分无显著关联。
视频游戏使用：与低成瘾使用轨迹相比，视频游戏高成瘾使用轨迹与更高的内化症状 T 分数相关以及更高的外化症状 T 分数相关。
（3）基线总屏幕时长
单独考虑基线总屏幕时长时，与自杀行为、自杀意念或内化/外化症状均无显著关联。
当在模型中同时调整成瘾性使用轨迹后，基线屏幕时长仍未独立与这些结局相关。
E 值表明结果对潜在未测量混杂具有中等到较强的稳健性（范围，1.10–4.21）。
这些结果均强调了屏幕使用的“时间”远不如使用“成瘾性”来得重要。
三、统计学方法
1.潜类别线性混合模型
使用潜类别线性混合模型（latent class linear mixed models）识别成瘾性使用轨迹。
选择最优的基于群体的轨迹模型时，依据：
(1) 最小的贝叶斯信息准则（BIC）；
(2) 参与者被正确归入其轨迹的平均概率 > 70%；
(3) 正确分类的赔率（odds）> 5.0；
(4) 每轨迹样本量占总体 > 5%。
每个成瘾使用轨迹代表了随着时间的推移，拥有相似成瘾使用水平的儿童。
随后将这些成瘾性使用轨迹作为分类变量纳入结局模型。
2.泊松回归模型
对于分类结局（自杀行为与自杀意念），使用泊松回归模型估计风险比（risk ratios, RRs），并采用稳健标准误计算 95% 置信区间。泊松模型在此情境下是合适的。
3.广义线性模型
对于连续结局（内化与外化症状），使用广义线性模型估计均值差，并用普通标准误计算 95% 置信区间。
4.敏感性分析
为评估对未测量混杂的敏感性，计算了 E 值。
我们将基线总屏幕时长作为协变量加入模型，以检验其是否能解释成瘾性使用轨迹与结局之间关联的大小或方向。
在敏感性分析中，也测试了基线总屏幕时长与结局的独立关联。
5.假阳性控制及统计分析软件
显著性水平设为双侧 P<0.05，对每组内的多重检验使用 Benjamini–Hochberg 方法进行假发现率（FDR）校正。所有分析在 R 版本 4.3.1（R Foundation）中完成。
参考文献：Xiao Y, Meng Y, Brown TT, Keyes KM, Mann JJ. Addictive Screen Use Trajectories and Suicidal Behaviors, Suicidal Ideation, and Mental Health in US Youths. JAMA. 2025 Jul 15;334(3):219-228. doi: 10.1001/jama.2025.7829.
-gqWJ.jfif)
