大學生手機成癮類型在睡眠差異上的潛在剖面分析

【摘要】" 目的" 探索大學生手機成癮的潛在分類，分析大學生的手機成癮是否存在群體異質性，探討手機成癮的不同潛在剖面在睡眠上的差異。方法" 抽取醫科大學332例學生樣本，其中男生159人，女生173人。基于智能手機成癮量表（陳歡）和匹茲堡睡眠質量指數（PSQI）進行潛在剖面分析，并對比手機成癮對不同睡眠障礙的差異性影響。結果" 手機成癮是可以在一定程度上顯著地正向預測睡眠。手機成癮可分為4種潛在剖面：“非手機成癮組”“社交APP不安組”“APP成癮組”和“成癮行為組”，且手機成癮的潛在剖面分組在睡眠和手機成癮上的得分差異顯著。進一步多重比較顯示，手機成癮的潛在剖面分組在睡眠的6個維度上差異顯著；多因素 Logistic 回歸分析顯示，性別是影響手機成癮潛在剖面分組的因素，男性手機成癮的危險性大于女性。結論" 大學生手機成癮存在明顯的群體異質性，可分為4 種潛在剖面，在不同潛在剖面中，睡眠量表5個維度差異顯著，表明潛在剖面分組與睡眠質量有關，為干預不同類型手機成癮大學生的睡眠質量提供可靠的依據。

【關鍵詞】" 大學生；睡眠；手機成癮；潛在剖面分析

中圖分類號" R749.7；G444nbsp; " 文獻標識碼" A" " 文章編號" 1671-0223（2023）24--05

成癮作為一種復發性腦部疾病，其臨床表現為對于成癮物質或行為的強烈渴求性和在一段時間出現的耐受性，在強行終止其成癮行為后機體出現與成癮行為相反的臨床表現等。截至2022年6月，我國網民規模首次突破十億人次，其上網周長較2021年有明顯增長[1]。新型冠狀病毒疫情下，大學生受居家學習、突然隔離等不良外界刺激的影響極易產生焦慮、抑郁等不良情緒，手機作為其連接社會的主要媒介使用率明顯增高，問題性使用手機作為一種新型成癮行為，既是心理學問題又是社會公共衛生問題。

潛在剖面分析（latent profile analysis，LPA）是指將研究路經中的各個變量看作相互依賴的系統，基于多個變量將被試對象分為多個子群體，進而分析子群體的前因和后效。常見的睡眠質量潛在剖面大體可分為“睡眠良好”“生理性睡眠不安”“心理性睡眠不安”“藥物催眠”4個基本類型[2]。以手機成癮引發的心理性睡眠不安為例，《“健康中國2030”規劃綱要》指出，對于大學生手機使用成癮等精神性障礙可以進行非醫療健康干預。陸林院士在2022四川成都中國睡眠研究會第十四屆全國學術年會上指出，新冠肺炎期間線上教學、限制出入、隔離措施等給大學生造成的焦慮、抑郁、心理依戀關系改變等精神障礙，將在疫情結束后長期存在[3]。在新冠疫情期間，大學生為避免過度焦慮而使用手機會導致一系列生理和心理問題，睡眠因素作為影響大學生心理健康的重要因素，良好的睡眠狀況和睡眠習慣可以幫助大學生更好地應對生活中的挑戰和挫折，擁有更好的心理韌性[4]。

本研究擬采用LPA探索大學生手機成癮的潛在分類，從而分析大學生手機成癮是否存在群體異質性，并探討手機成癮的不同類型在睡眠上的差異，根據不同手機成癮剖面大學生的睡眠質量情況，有針對性地提出建議，為干預不同手機成癮類型大學生的睡眠質量提供可靠的依據。

1" 對象與方法

1.1" 調查對象

2023年8月，選取河北省某高校在校大學生332人為調查對象，發放問卷332份，被試對象的詳細信息如表1所示。

1.2" 調查工具

1.2.1" 成年人智能手機成癮量表" 采用陳歡等人于2017年編制的量表[5]。該量表適用于評估成人智能手機成癮情況，共分為6個因子，分別為APP使用、APP更新、戒斷反應、突顯性、社會功能受損和生理不適。

1.2.2" 匹茲堡睡眠質量指數（Pittsburgh sleep quality index，PSQI）" 采用美國匹茲堡大學精神科醫生Buysse博士等人于1989年編制的量表[6]。該量表適用于睡眠障礙患者、精神障礙患者評價睡眠質量，同時也適用于一般人睡眠質量的評估。此量表分為7個因子，分別為睡眠質量、入睡時間、睡眠時間、睡眠效率、睡眠障礙、催眠藥物和日間功能障礙，累計各因子得分為PSQI總分，得分越高，睡眠質量越差。

1.3" 調查方法

問卷調查實施問卷星手機APP的方式來收集，同時保證每一個調查對象的指導語一致。此外，設計問卷質控題目保證調查對象認真作答，在按要求完成問卷以后進行統一的數據處理。

1.4" 質量控制

由于本研究采取網絡問卷的方式，存在對調查對象是否認真作答不知情的問題，Meade等在研究中提到可以采用三種問卷設計方法來減少這種問題的發生[7]，分別是：①指定選項題目（instructed items）；②自我報告是否認真作答 （self-reported diligence）；③詐選題（bogus items）。本次研究設計的3個項目見表2。

1.5" 數據處理方法

采用 SPSS 27.0 統計軟件進行數據分析處理，使用Mplus 8.0 進行LPA。計量資料采用“均數±標準差”表示，變量間的關系采用線性相關分析；多組間均數比較采用方差分析。影響因素的多因素分析采用因變量為有序的 Logistic 回歸模型。Plt;0.05為差異有統計學意義。

2" 結果

2.1" 手機成癮和睡眠的相關分析

大學生手機成癮和睡眠的相關分析結果顯示，手機成癮得分為72.10±20.34分，睡眠得分為26.18±7.26分，兩者呈正相關，相關系數為0.40（Plt;0.01）。

2.2" 手機成癮和性別及其他因素的相關分析

大學生手機成癮和性別的相關分析結果顯示，性別是影響手機成癮的因素之一（Plt;0.05），其中男性的影響大于女性，可以認為男性手機成癮的危險性大于女性。且城市學生較農村學生而言其手機成癮行為傾向更高。

在是否為獨生子女和不同年級的因素中手機成癮并無明顯差異，各年級學生手機成癮行為均十分嚴重。

2.3" 大學生手機成癮的潛在剖面分析

2.3.1" 手機成癮的分類模型

本研究以成年人智能手機成癮量表（陳歡）的 26個條目為指標，將大學生手機成癮的類型依次分成 1 、2 、3 、4 、5，從而進行LPA的模型擬合估計，結果表明模型1～5隨著分類增加，AIC 和 BIC 值均不斷減小，當分成4類時 LMR 和 BLRT 均達到顯著水平，但是分成5類時LMR 和 BLRT 均不顯著，說明分為 4 類的模型優于分為 3類的模型，綜合以上指標，模型 4 的擬合效果最好。見表3。

2.3.2" 手機成癮的潛在剖面

歸屬概率矩陣結果顯示，C1～C5每個類別組中的大學生歸屬于該潛在剖面的平均概率為 96.2%～99.5%，平均歸屬概率最高的是分成4類的時候（99.5%），說明分成 4 個潛在剖面是可信的。見表4。

由圖 1 可知，4 個潛在剖面在手機成癮26個條目上的條件均值差異明顯，顯示出不同特征。其中，類別 1（C1）在26個條目上得分均較低，根據其得分特征將 C1 命名為“非手機成癮組”，占總體被試的10.7%。類別 2（C2）整體得分高于 C1，第 7 題（我經常檢查我的智能手機，生怕錯過在微信或QQ之類的社交軟件上的對話）和第 13 題（當智能手機沒信號或不能上網的時候，我感到不安和煩躁）得分比較高，這類大學生由于社交軟件的沉迷而導致不能使用時的不安和煩躁，因此命名為“社交APP不安組”，占總體被試的 32.1%。類別 3（C3）在第7題（我經常檢查我的智能手機，生怕錯過在微信或QQ之類的社交軟件上的對話）、第 11 題（我很舍得在應用程序（APP）上花錢）上的得分比較高，這類大學生花了大量的金錢在手機APP，而且對于社交軟件具有依賴性，很擔心錯過消息，可以看出花費了大量的時間和金錢在手機APP上，因此命名為“APP成癮組”，占總體被試的 43.8%。類別 4（C4） 所有條目得分均較高，且第7題（我經常檢查我的智能手機，生怕錯過凸顯行為維度的題目（11～15）得分都比較高，可以看出這種成癮已經出現了明顯的行為反應，因此命名為“成癮行為組”，占總體被試的 13.3%。

2.3.3" 手機成癮的潛在剖面分組在睡眠和手機成癮上得分差異比較

方差分析結果見表5，學生手機成癮量表得分及睡眠得分在手機成癮潛在剖面分組之間的差異有統計學意義（Plt;0.05），均呈現出C1～C4逐漸升高的趨勢，C4組的睡眠得分和手機成癮得分顯著高于其他3組。

2.3.4" 手機成癮的潛在剖面分組在睡眠維度上的得分差異分析

為進一步探索不同潛在剖面的大學生的睡眠情況，將 4 種潛在剖面對睡眠量表的各個維度進行方差分析，結果見表6。分析結果顯示，睡眠質量、入睡時間、睡眠障礙、催眠藥物、日間功能障礙和睡眠總分在C1～C4四個組間的差異均有統計學意義（Plt;0.05），并且基本上隨C1～C4順序，得分逐漸升高，表明潛在剖面分組與睡眠質量有關，而且睡眠質量逐漸降低。

3" 討論

3.1" 大學生手機成癮和睡眠情況

相關研究顯示，80.9%的學生每天使用手機時長超過4小時，大學生手機成癮嚴重，手機成癮得分61.52±7.14[8]。本研究中大學生手機成癮得分為72.10±20.34，與上述研究結果一致。此外，本研究顯示大學生的手機成癮可以正向預測睡眠指數，這與以往一些研究的結論相吻合[9]，即手機成癮的程度越嚴重，睡眠質量越差。手機成癮的大學生往往在使用手機時，會出現亢奮狀態，而不再使用手機以后會出現無聊感和空虛感，這種情況會加劇手機的使用頻率，因此會導致更進一步的手機成癮癥狀。

3.2" 大學生手機成癮潛在剖面特質及其異質性

本研究使用LPA對大學生手機成癮的類型進行探索，其中分析大學生手機成癮存在不同的分組特征，可以根據結果將大學生手機成癮分為4組：“非手機成癮組”“社交APP不安組”“APP成癮組”和“成癮行為組”。其中各組在手機成癮量表上得分存在顯著性差異，說明手機成癮群體存在異質性。4個分類當中，非手機成癮組占比10.7%。此類手機成癮的大學生在APP使用、APP更新、戒斷反應、突顯性、社會功能受損、生理不適6個維度得分最低且手機成癮得分總分較低。說明此類大學生的手機成癮程度處于低水平，其人數占總體大學生的少數。已經有研究指出大學生群體中非手機成癮人數較少[10]，該結果和以往研究結果一致。此外，社交APP不安組占總體大學生的32.1%，這類大學生往往是由于過度使用社交APP，當不能使用網絡時，會出現嚴重的焦慮和不安情緒。相關研究指出，社交焦慮和手機成癮之間存在顯著的正相關，過度地使用社交APP會增加焦慮水平[11]。APP成癮組占總體被試的43.8%，這類大學生往往害怕錯過手機信息，并在手機APP上花費大量的金錢。研究顯示，大學生在手機APP上花費的金錢越多，越容易沉迷于虛擬世界當中[12]。這種高投入會加劇其手機成癮的程度，形成一種惡行循環。對這類大學生應該引導其多參與戶外運動和現實活動，減少虛擬世界的投入，從而減少手機成癮的癥狀。最后，成癮行為組占總體被試的 13.3%，這類大學生有明顯的成癮行為，社會功能也受到了一定的影響。學習生活受到手機成癮的影響較大。以往研究揭示了手機行為可以正向預測手機成癮[13]，此外，手機成癮行為是鑒定手機成癮的主要鑒別指標[14]。因此，本研究和以往的研究結果一致，同時說明了成癮行為可以鑒別成癮行為組。

3.3" 手機成癮潛在剖面的睡眠狀況和性別分布

本研究指出，性別可以在手機成癮的潛在剖面分組上具有差異，研究指出，女生在各組的占比小于男性，可以看出女性的手機成癮人數少于男性。有研究指出，女性相較于男性往往更容易抑郁和產生不安全感，而虛擬世界的沉溺會增加這種不安全感，因此男性的手機成癮程度往往比起女性更加嚴重[15]。這與本研究結果一致，在社交APP不安組中的女生比起其他兩組占比人數最多，而且最嚴重的成癮行為組是占比人數最少的女生組。

研究結果表明，不同潛在剖面分組的睡眠得分主效應顯著，說明不同分組在睡眠上差異顯著，各個分類具有不同的睡眠特點。此外，不同潛在剖面分組在睡眠質量、入睡時間、睡眠障礙、催眠藥物、日間功能障礙和睡眠總分5個維度方差分析主效應顯著，其中成癮行為組在5個維度的得分都是最高，有研究表明，成癮行為往往會導致睡眠問題，其中個別人會感到睡眠質量差，因為沉溺于手機導致睡眠時間晚，日間無精打采等問題[16]。本研究的分組符合以往的研究結果，在成癮行為分組上往往出現大量的睡眠問題。非手機成癮組在每一個維度上的得分比起其他三組都是最低的。說明手機成癮可以在很大程度上影響個體的睡眠質量，當個體減少手機使用時，睡眠問題也會得到好轉。本研究中手機成癮可以正向預測睡眠也可以為這個結論提供有力的支持。社交APP不安組在睡眠時間和催眠藥物上得分高于APP成癮組，顯示出社交APP的沉溺往往伴隨著熬夜和失眠，當失眠嚴重后，個體會想辦法通過藥物來緩解失眠癥狀。有研究指出在床上使用手機會導致失眠和情緒問題[17]，當個體出現情緒問題和失眠以后，往往不會歸因于自己的手機使用所導致的。他們往往傾向于認為是自己睡眠導致，是生理性問題。這時往往會導致大量的催眠藥物的濫用。

有研究顯示，慢性失眠的患者會有苯二氮卓的濫用，這與本研究結果一致[18]。本研究結果顯示，APP成癮組在睡眠障礙和日間功能障礙上的得分高于社交APP不安組，APP成癮組已經出現了更多的睡眠相關障礙，這與過度地使用手機、沉溺于虛擬世界、在手機上花費大量的時間和精力等有關。相關研究表明手機成癮是導致睡眠障礙的主要因素之一[19]，往往更加嚴重的手機成癮會導致更多睡眠相關障礙的出現。

4" 參考文獻

[1] CNNIC發布第49次《中國互聯網絡發展狀況統計報告》[J].新聞潮，2022（2）：3.

[2] 蘇斌原， 張潔婷， 喻承甫，等. 大學生心理行為問題的識別：基于潛在剖面分析[J]. 心理發展與教育， 2015， 31（3）：350-359.

[3] 倪舒羽，曾娜，趙逸苗，等.COVID-19疫情期間大學生失眠和PTSD癥狀及性別差異的網絡分析[C].中國睡眠研究會第十四屆全國學術年會.四川成都.2022.

[4] 羅達勇.關于大學生生活習慣現狀與健康教育的研究[J].北京體育大學學報，2002（2）：167-169.

[5] 陳歡，王麗，喬寧寧，等.成年人智能手機成癮量表的初步編制[J].中國臨床心理學雜志，2017，25（4）：645-649.

[6] 路桃影，李艷，夏萍，等.匹茲堡睡眠質量指數的信度及效度分析[J].重慶醫學，2014，43（3）：260-263.

[7] Meade， Adam W.， S. Bartholomew Craig. Identifying careless responses in survey data[J]. Psychological Methods，2012，17（3） ： 437.

[8] 林廣燕.高職院校大學生手機成癮現狀調查及分析[J].包頭職業技術學院學報，2021，22（4）：16-19.

[9] 梁杰珍，吳安儀，羅云.手機依賴、家庭親密度及適應性對中職生睡眠質量的影響[J].廣東醫科大學學報，2022，40（2）：184-186.

[10] 王玉珍，劉菊，任振華，等.調查大學生手機成癮傾向與睡眠質量的關系[J].科學咨詢（科技·管理），2020（10）：91-92.

[11] 鄧晶晶，宋柯.大學生“低頭族”現象問題研究[J].教育教學論壇，2018（38）：64-65.

[12] 王歡，黃海，吳和鳴.大學生人格特征與手機依賴的關系：社交焦慮的中介作用[J].中國臨床心理學雜志，2014，22（3）：447-450.

[13] 王小運，伍安春.大學生手機成癮行為的成因及其對策[J].重慶郵電大學學報（社會科學版），2012，24（1）：40-43，63.

[14] 韓登亮，齊志斐.大學生手機成癮癥的心理學探析[J].當代青年研究，2005（12）：34-38.

[15] Mohammadbeigi A，Absari R，Valizadeh F，et al.Sleep quality in medical students; the impact of over-use of mobile cellphone and social networks[J]. Journal of Research in Health Sciences， 2016， 16（1）： 46.

[16] Bhat S， Pinto-Zipp G， Upadhyay H， et al. “To sleep， perchance to tweet”： In-bed electronic social media use and its associations with insomnia， daytime sleepiness， mood， and sleep duration in adults[J]. Sleep Health， 2018， 4（2）： 166-173.

[17] 謝玲平，鄒維興.貴州大學生手機成癮傾向與睡眠質量關系[J].內江師范學院學報，2018，33（4）：5.

[18] Mazza M，Losurdo A，Testani E，et al.Polysomnographic findings in a cohort of chronic insomnia patients with benzodiazepine abuse[J]. Journal of Clinical Sleep Medicine， 2014，10（1）：35-42.

[19] Mok J Y，Choi S W，Kim D J，et al.Latent class analysis on internet and smartphone addiction in college students[J]. Neuropsychiatric Disease and reatment，2014，10：817.

[2023-03-03收稿]