编辑推荐：
大学生抑郁高发与数字技术过度使用并存，二者关系不明。研究人员以中国 737 名大学生为对象，用随机截距交叉滞后面板模型（RI-CLPM）研究。发现二者存在复杂双向关系，且受 BMI 调节。为干预大学生抑郁和技术过度使用提供依据。
在当今数字化时代，大学生群体深度沉浸于数字技术之中，每天花费大量时间在各类电子设备上。与此同时，令人担忧的是，大学生抑郁症的患病率也在不断攀升。这一现象引发了诸多疑问：数字技术的使用与抑郁症之间究竟存在怎样的联系？是过度使用数字技术导致了抑郁情绪的产生，还是抑郁的人更倾向于借助数字技术寻求慰藉？过往的横断面研究虽然揭示了数字技术使用模式与抑郁症状之间存在关联，但这种关联的方向尚不明确，而且在非西方人群中的纵向研究证据极为匮乏。为了解开这些谜团，来自宁夏大学和山东第一医科大学的研究人员开展了一项极具意义的研究，相关成果发表在《BMC Psychology》杂志上。
研究人员采用了四波纵向研究设计，在 2023 年 10 月至 2024 年 10 月期间，对来自中国东部三所大学的 737 名本科生进行了研究，每隔 3 个月进行一次评估。研究主要运用了随机截距交叉滞后面板模型（RI-CLPM），该模型能够有效区分个体间差异和个体内波动，从而更准确地探究变量之间的关系。同时，研究还使用了多种成熟的量表来测量相关变量，如用患者健康问卷 9 项版（PHQ-9）评估抑郁症状，用广泛性焦虑障碍 7 项量表（GAD-7）测量焦虑水平，通过自行编制并在中国人群中验证过的技术使用问卷（TUQ）来评估数字技术使用模式 。
在样本特征方面，737 名完成基线评估的参与者中，大部分为女性（66.2%），平均年龄 20.3 岁，约 55.6% 的参与者超重或肥胖，基线时 33.2% 的人报告有中重度抑郁症状，参与者平均每天使用数字技术 7.8 小时。研究过程中，虽然存在一定比例的参与者在后续评估中缺失数据，但完成全部评估的参与者与数据缺失者在基线抑郁、技术使用及人口统计学特征上并无显著差异，这在一定程度上降低了选择偏倚的影响。
研究结果显示，总体数字技术使用与抑郁之间存在显著的双向关系。具体到使用模式，夜间使用（β=0.16 ，95%CI [0.08 - 0.24]，p<0.001 ）和出于社会比较动机的使用（β=0.19 ，95%CI[0.11 - 0.27]，p<0.001 ）会导致后续抑郁程度增加，且这种影响强于抑郁对技术使用增加的影响；相反，抑郁对逃避动机的技术使用增加的预测作用（β=0.23 ，95% CI [0.14 - 0.32]，p<0.001 ）更为显著。此外，身体质量指数（BMI）对二者关系起到了明显的调节作用，超重或肥胖的参与者中，数字技术使用对抑郁的影响更强（β=0.27 ，95% CI [0.16 - 0.38]，p<0.001 ），而正常体重参与者中该影响相对较弱（β=0.11 ，95%CI [0.03 - 0.19]，p=0.009 ）。在控制了焦虑、睡眠质量和社会经济因素后，这些关系依然显著。
研究结论表明，数字技术使用和抑郁之间存在复杂且具有模式特异性的双向关系，不同的使用模式对抑郁的影响方向和程度各不相同，BMI 在其中起到了关键的调节作用。这一研究成果具有重要的意义，它挑战了以往关于数字技术与抑郁关系的简单认知，为制定针对性的干预措施提供了有力依据。例如，在预防抑郁方面，可以重点限制夜间数字技术使用、引导学生减少社会比较行为；对于已经抑郁的学生，则需要关注其逃避动机的技术使用，并帮助他们寻找替代的应对策略。同时，在评估和干预过程中，应充分考虑个体的体重状况，将数字技术使用模式纳入其中。此外，数字素养教育也应与时俱进，加入对特定数字技术使用模式可能带来的心理健康影响的内容，帮助大学生树立正确的数字使用观念，更好地维护自身心理健康。
此次研究通过科学严谨的设计和分析，为理解数字技术使用与抑郁之间的关系提供了新的视角，在大学生心理健康干预领域具有重要的参考价值，有望推动相关干预措施的进一步优化和完善。
