智能手机成瘾与健康促进生活方式及直觉饮食行为的关联：一项横断面研究

本研究通过横断面设计探讨大学生智能手机成瘾（SAS）与健康促进生活方式（HPLP-II）及直觉饮食行为（IES-2）的关联，发现成瘾与二者呈显著负相关（r = -0.174, r = -0.074），且直觉饮食在成瘾与健康生活方式间起中介作用（间接效应-0.1452），为制定针对性干预策略提供实证依据。

　　

1 引言

移动互联网技术的飞速发展使智能手机成为现代生活的必备工具，然而这种便利性也引发了智能手机成瘾问题，正逐渐成为全球性的重大公共卫生挑战。根据多项元分析研究，全球医学生智能手机成瘾率为26.99%，而亚洲医学生群体中这一数字高达41.93%。世界卫生组织将智能手机成瘾定义为"一种不可控的使用冲动，其行为对日常生活、心理状态或身体健康造成显著负面影响"，尤其在青少年和学生群体中表现突出。

智能手机成瘾对饮食行为产生显著影响。过度使用智能手机会妨碍餐食准备过程，打乱规律进食节奏，进而催生不健康饮食习惯，如依赖快餐和暴饮暴食。此外，社交媒体平台上的食品营销和与身体形象相关的焦虑可能扭曲个体对饮食的认知，破坏直觉饮食实践。当智能手机使用受到限制时，使用者经常出现情绪困扰症状。行为成瘾的特征包括显著性、耐受性、情绪调节、复发性、戒断反应和冲突等方面。实证研究已将过度智能手机使用与青少年焦虑抑郁症状加重、网络欺凌和不良饮食习惯联系起来。这些不良后果可能显著影响饮食行为和健康相关意向，凸显了平衡智能手机使用的重要性。

前瞻性健康意向被定义为参与健康促进行为的内在动机，包括对健康生活方式的承诺、主动寻求健康信息以及健康风险意识。这一构念是有效健康促进的基础。然而，智能手机成瘾可能通过削弱对现实世界健康需求的认知和减少参与主动性行为（如锻炼和饮食管理）来破坏前瞻性健康意向。实证证据表明，表现出高水平智能手机依赖的个体在前瞻性健康意向上得分显著较低，特别是在青少年群体中。

当前研究主要考察智能手机成瘾、饮食行为和健康意向之间的单向关系，经常忽视它们的动态交互作用。紊乱的饮食行为可能加剧情绪化智能手机使用，而强大的前瞻性健康意向可能减弱成瘾对饮食习惯的负面影响。全面理解这些关系对于制定针对学生的干预措施至关重要。本研究旨在分析智能手机成瘾、饮食行为和前瞻性健康意向之间的相互关系，以促进青少年健康发展。

研究提出两个核心假设：假设1认为大学生智能手机成瘾、饮食行为和健康促进生活方式之间存在相互关系，具体表现为智能手机成瘾与饮食行为呈正相关，与健康促进生活方式呈负相关，而饮食行为与健康促进生活方式呈现正相关；假设2认为饮食行为在智能手机成瘾与健康促进生活方式之间起中介作用。

2 研究对象与方法

2.1 研究对象样本量计算

样本量采用横断面研究公式计算：n = Z_α² × P(1-P)/δ²。其中P值代表中国医学生智能手机成瘾患病率，根据一项横断面调查报告为39.7%。使用显著性水平（α）为0.05，相应的Z_α值为1.96，允许误差边际（δ）设为5%，计算得出最小所需样本量为368人。

2025年2月，徐州医科大学的学生参与了本研究。在分发的1020份问卷中，18份因身高体重值异常或数据缺失被排除，最终获得1002份有效回复，回复率达98.24%。

2.2 研究方法

采用问卷调查收集学生个人信息、手机使用情况、饮食行为和前瞻性健康意向数据。

2.2.1 智能手机成瘾量表简版（SAS-SV）

智能手机成瘾量表简版（SAS-SV）是一个包含10个条目的自评工具，用于评估智能手机成瘾情况。该量表采用6点李克特量表测量过去六个月的使用情况，分数越高表明依赖程度越高。SAS-SV已在不同文化环境中得到广泛使用和验证，特别是在中国人群中表现出良好的心理测量特性。在中国大学生中进行的翻译和验证研究确认了SAS-SV的单维因子结构，并报告了优异的内部一致性（Cronbach's α = 0.89）。这些发现为量表在与中国本研究相关文化背景下的效度和信度提供了有力证据。本研究采用与Kwon等人相同的切分标准：女生成瘾分界值为≥33分，男生为≥31分。在当前样本中，SAS-SV的Cronbach's alpha为0.878，与中国之前的验证研究一致，表明高可靠性。

2.2.2 健康促进生活方式量表（HPLP-II）

健康促进生活方式量表II（HPLP-II）包含52个条目，分布在六个维度：身体活动（PA）、健康责任（HR）、压力管理（SM）、营养（NU）、人际关系（IR）和精神成长（SG）。数据收集包括人口统计问卷和HPLP-II工具，用于评估健康促进行为。人口统计问卷捕获的变量包括年龄、性别、专业、居住地、经济状况、体重和身高。本研究采用了Teng等人开发的官方翻译和验证的中文版HPLP-II。他们在台湾成年人中进行的验证研究证明了令人满意的信度和可接受的模型拟合指数，从而支持该工具在中文人群中的适用性。虽然在台湾最初开发，但共享的书面语言和文化相似性证明了其在中国大陆使用的合理性。在本研究中，HPLP-II表现出Cronbach's alpha系数为0.965，表明优异的内部一致性，确认了其用于评估中国大陆大学生健康促进生活方式的可靠性。

2.2.3 直觉饮食量表-2（IES-2）

直觉饮食量表-2（IES-2）由Tylka和Babbott等人开发，包含四个因子：无条件进食许可（6个条目）、为身体而非情绪原因进食（8个条目）、响应饥饿和饱腹感线索进食（6个条目）以及身体-食物选择一致性（3个条目），共23个条目。回答采用5点李克特量表，从1（强烈不同意）到5（强烈同意），分数越高表示直觉饮食水平越高。IES-2已在中国文化背景下得到验证。特别是，Ji等人在中国成年人大样本中检验了IES-2的心理测量特性，并通过心理测量网络分析确认了其四因子结构。他们的结果支持IES-2在中国评估直觉饮食的跨文化效度和适用性。在本研究中，IES-2的Cronbach's alpha为0.856，与Ji等人报告的良好内部一致性一致，进一步证实了其对当前研究人群的可靠性。

2.3 统计分析

使用SPSS 21.0版进行数据分析。采用Shapiro-Wilk检验评估正态性；非正态分布数据以中位数和四分位距（M [P25, P75]）表示。Mann-Whitney U检验用于两组比较，Kruskal-Wallis H检验用于多组比较。进行Spearman相关分析以检查变量间关系。连续变量报告为中位数（P25, P75），分类变量报告为频数和百分比。采用显著性水平α = 0.05。使用Bootstrap方法（模型4）检验饮食行为在智能手机成瘾与健康促进生活方式关系中的中介效应，使用5000次重采样计算95%置信区间（CI）。如果95% CI不包含零，则认为路径显著，且p < 0.05被视为统计显著。

3 结果

3.1 共同方法偏差

Harman单因子检验显示存在15个特征值大于1的因子。第一个因子占总方差的25.44%，低于40%的阈值，表明共同方法偏差在本研究中不是一个重要问题。

3.2 研究人群特征

本研究包括1002名参与者，被分类和分析为非医学生和医学生。在参与者中，198名男性（55.93%）和381名女性（58.80%）被确定为表现出智能手机成瘾。在性别、生活费用、独生子女 status、手机使用情况或身体质量指数（BMI）方面未观察到显著差异。然而，在户籍 status方面检测到显著差异：455名参与者（45.41%）为城市居民，而547名（54.59%）为农村居民（χ² = 9.749, p = 0.002）。一年级学生占大多数，为57.19%（n = 573），其次是二年级学生，占21.85%（n = 219）。此外，发现了学年分布的显著差异（χ² = 10.451, p = 0.015），表明不同学科的学生构成存在差异。

3.3 信度分析

信度分析结果显示，SAS-SV、IES-2和HPLP-II量表及其次级维度的信度系数范围在0.7至1.0之间，表明良好的内部一致性和高信度。

3.4 差异分析

3.4.1 智能手机成瘾得分差异分析

鉴于数据的非正态分布，采用中位数和四分位距（M [P25, P75]）进行描述性分析。大学生SAS-SV得分的比较分析表明，医学生和非医学生在性别、生活费用、户籍和BMI方面无显著差异。相反，基于学年、深夜手机使用和是否独生子女 status观察到显著差异（p < 0.001）。深夜使用手机的学生表现出更高的成瘾分数，表明夜间使用与智能手机成瘾之间存在强关联。此外，手机使用时间延长与成瘾分数增加呈正相关（p < 0.001）。长时间接触重复信息刺激似乎会损害自我控制，成瘾行为在使用五小时后变得更加明显。

3.4.2 健康促进生活方式得分差异分析

由于数据的非正态分布，健康促进生活方式得分以中位数（P25, P75）表示。大学生之间的比较分析表明，医学生和非医学生在独生子女方面无显著差异。然而，基于性别和学年发现了显著差异（p < 0.001）。随着学生学年的推进，分数普遍下降，这可能归因于增加的学业压力、职业压力和社会交往。此外，在不同BMI类别中观察到分数显著差异（p = 0.048），并且与户籍 status、生活费用、深夜手机使用频率和使用时间有关。

3.4.3 饮食行为得分差异分析

鉴于数据的非正态分布，饮食行为得分以中位数和四分位距（M [P25, P75]）表示。大学生IES的分析显示，医学生和非医学生在手机使用、深夜使用、独生子女 status、生活费用和BMI方面无显著差异。然而，观察到显著的性别差异（p = 0.006），表明性别影响饮食行为。此外，饮食行为分数在不同学年间存在显著差异（p = 0.023），可能反映了与学业压力和生活节奏变化相关的波动。此外，城乡学生之间发现了显著差异（p = 0.03），突出了饮食文化的影响。与这些发现一致，Wang等人报告西方化饮食模式在城市地区更普遍，而传统植物性饮食在农村地区仍占主导地位。

3.5 相关分析

智能手机成瘾分数与健康促进生活方式的各个维度表现出统计显著但微弱的负相关。例如，与HPLP-II总分的相关性为r = -0.074（p < 0.01）。这些发现表明，虽然存在关系，但智能手机成瘾对整体健康促进生活方式的实际影响有限。与饮食行为的相关性稍强，但仍然 modest（r = -0.174, p < 0.01）。相比之下，健康促进生活方式维度与饮食行为之间观察到中等正相关（r = 0.399, p < 0.01）。

3.6 中介分析

使用SAS作为自变量，IES作为中介变量，HPLP作为因变量进行中介分析。研究结果表明，智能手机成瘾对健康促进生活方式产生直接负面影响，系数为-0.5859。IES变量介导了这种效应的32.95%，证明了其在智能手机成瘾与健康促进生活方式关系中的重要作用。具体而言，较高水平的智能手机成瘾与饮食行为分数增加（a = 0.1194）和健康促进生活方式分数降低（c = -0.5859）相关。此外，更健康的饮食行为与更高的健康促进生活方式分数正相关（b = 1.2163）。这些结果表明，饮食行为在智能手机成瘾与健康促进生活方式之间起中介作用，从而支持了研究假设。

4 讨论

本研究调查了大学生智能手机成瘾及其与直觉饮食和健康促进生活方式的关联。主要目标是评估成瘾水平及其对饮食习惯和健康行为的影响，从而为针对性干预策略提供基础。分析显示，非医学生和医学生在基本人口统计特征（如性别、生活费用、独生子女 status、手机使用时间和BMI）方面无显著差异。然而，在户籍和学年方面观察到显著差异。鉴于三个测量量表的分数非正态分布，采用中位数和四分位距（M [P25, P75]）进行统计分析。在性别、生活费用、户籍或BMI方面未发现组间智能手机成瘾的显著差异；然而，手机使用时间在组间差异显著。研究结果表明，针对夜间手机使用和平均每日使用时间的干预可能有助于降低大学生智能手机成瘾风险。此外，虽然组内智能手机成瘾患病率在男性（55.93%）和女性（58.80%）之间相似，但成瘾参与者的绝对数量在女性中更高（579名成瘾个体中有381名，65.8%）。这种明显的性别偏差主要归因于我们样本中不平衡的性别分布，其中女学生占多数（64.67%）。因此，女性成瘾参与者数量较高不应解释为女性对智能手机成瘾的易感性更大。相反，这些发现表明智能手机成瘾在两种性别中都很普遍，基于性别 alone 的风险没有实质性差异。

健康促进生活方式分数在医学生和非医学生之间，仅考虑独生子女 status时无显著差异。然而，基于户籍观察到显著变化，可能反映了城乡生活环境的影响。此外，不同BMI类别分数的差异表明BMI与参与健康促进行为之间存在潜在关联。较高的生活费用与改善的健康促进生活方式分数相关，意味着获得健康增强资源的机会更多。此外，报告熬夜使用手机的学生表现出较低的健康促进生活方式分数。手机使用时间延长也与分数降低相关，表明过度手机使用可能减少分配给健康促进活动的时间。

在手机使用、深夜使用、独生子女 status、生活费用和BMI方面，非医学生和医学生之间未观察到直觉饮食行为分数的显著差异。相关分析揭示了智能手机成瘾与健康促进生活方式之间的负相关，表明参与健康行为可能减轻数字成瘾。定期参与线下活动和有效的健康管理策略似乎减少了对虚拟环境的依赖。此外，发现智能手机成瘾与饮食行为负相关；表现出更健康饮食模式的个体表现出更高的生理信号意识和更低的智能手机依赖。相反，饮食行为紊乱的个体可能诉诸智能手机使用以补偿心理缺陷。在我们的研究中，我们观察到城乡学生饮食行为分数的显著差异（p = 0.03）。具体而言，城市学生的IES-2分数中位数为74（IQR: 69, 80.5），而农村学生的中位数分数为73（IQR: 69, 79）。这表明城市学生相比农村对应者表现出稍高的直觉饮食行为水平。城市地区通常有更多样化的食物选择，包括更广泛的新鲜农产品、健康食品店和多样化的餐饮选择。这种多样性可能鼓励更健康的饮食习惯和更大的营养需求意识。此外，城市环境通常有更多健康教育和促进资源，可以影响饮食行为。相比之下，农村地区可能获得新鲜和多样化食物选择的机会更有限。便利店和快餐店的可用性可能更高，导致更多地依赖加工和高热量食品。这可能影响整体饮食质量和直觉饮食实践。健康促进生活方式的大多数维度正相关，强调了它们的协同相互关系。定期锻炼者往往更重视社会联系，而强调健康责任的人保持更好的睡眠卫生。此外，健康促进生活方式维度与饮食行为之间的正相关突出了健康实践的整体性。

路径系数分析表明，智能手机成瘾对饮食行为产生显著影响，表明增加智能手机使用可以改变进食模式。此外，这种成瘾与健康促进生活方式负相关，突出了数字依赖对健康生活的有害影响。健康饮食与改善能量水平相关，并培养对自身健康的控制感，从而建立一个延伸到锻炼和睡眠的正反馈循环。此外，饮食行为介导了智能手机成瘾与健康促进生活方式之间的关系，因为智能手机使用与扭曲的饮食认知和破坏健康生活的行为相关。

针对大学生的教育干预应通过教授负责任的智能手机使用和解决成瘾对身体意识和饮食习惯的影响来强调素养。正念训练已被证明可以增强对生理信号的意识。营养教育应纳入直觉饮食原则，以帮助学生抵抗外部食物线索。此外，生活方式教育应专注于饮食行为并促进健康习惯，如定期锻炼和积极的社会互动。

校园环境对大学生行为产生显著影响。高等教育机构应通过为受智能手机成瘾影响的个体提供咨询服务和资源来增强心理健康支持。一个涵盖家庭、学校和社会的协作框架至关重要。鼓励家庭促进健康生活方式，父母减少智能手机依赖并培养规律饮食习惯和身体活动。社会支持在鼓励健康行为中也起着关键作用。未来的研究应纳入宏观层面因素，如家庭环境和社会文化，以开发一个影响学生健康生活方式的综合模型，从而为在当代社会中促进福祉提供更深入的见解和实用策略。虽然本研究采用了在类似人群中先前验证的中文版量表，但未来的调查应进一步检查这些工具在中国大陆大学生背景下的收敛和判别效度，以加强其对此人口统计学的心理测量稳健性。本研究的结果应在其局限性的背景下解释。使用来自单一医科大学的便利抽样方法限制了结果的普遍性。徐州医科大学的参与者可能不代表更广泛的中国大学生群体，他们在学业压力、地区文化和社会经济背景方面存在显著差异。因此，在将这些发现推广到其他学生群体时应谨慎。此外，依赖自我报告数据引入了潜在偏差；参与者可能由于社会期望偏差而少报不良行为，如过度智能手机使用，或者可能不准确地回忆饮食习惯和生活方式活动，导致回忆偏差。

5 局限性

本研究存在几个需要考虑的局限性。主要限制涉及采用的抽样策略。具体而言，使用来自单一机构徐州医科大学的便利抽样显著限制了发现的外部效度和普遍性。医科大学的学生群体可能具有 distinct 特征，包括增加的学术要求和更高的健康素养，相对于其他学科或机构的学生。因此，观察到的智能手机成瘾患病率及其与生活方式和饮食行为的关联可能不代表更广泛的中国大学生群体。为了增强样本代表性和加强未来发现的普遍性，后续研究应利用跨多个大学和多样化学科的随机抽样方法。此外，本研究的横断面设计限制了推断因果关系的能力，因为混淆变量可能影响观察到的关联。建议采用纵向研究设计来监测智能手机成瘾、饮食行为和健康促进生活方式在大学学生发展不同阶段的时间动态和相互作用。最后，依赖便利抽样和自我报告问卷可能引入偏差，如报告和回忆偏差，这可能损害结果的准确性和解释。

6 结论

本研究考察了智能手机成瘾对中国徐州学生进食行为和健康生活方式实践的影响。研究结果表明，智能手机成瘾与更高的直觉饮食分数正相关，表明成瘾水平更高的个体表现出对饥饿和饱腹感线索的意识增加。相反，智能手机成瘾与健康生活方式分数负相关，因为它减少了分配给体育锻炼、社会互动和遵守规律作息的时间。饮食行为作为一个中介因素，将智能手机成瘾与整体健康生活方式结果联系起来。具体而言，成瘾对饮食习惯的影响间接破坏了更广泛的健康促进行为。此外，源自智能手机成瘾的负面情绪状态与不健康进食模式相关，随后对身体健康、锻炼动机和社会信心产生不利影响，从而阻碍健康生活方式的维持。