智能手机使用时间对成人负性情绪的影响路径：睡眠指标与事件重要性的中介作用

本研究针对成人智能手机使用时间与负性情绪关系的复杂路径尚不明确的问题，通过为期7天的日记研究，结合客观监测与主观报告，揭示了夜间使用通过降低睡眠时长与质量、增加负性事件感知重要性，进而加剧负性情绪频率、强度与持续时间；而日间使用则通过改善睡眠、降低事件重要性而缓解负性情绪的双向路径，为基于时间段的数字健康干预提供了新靶点。

　　

在当今社会，智能手机已成为人们日常生活中不可或缺的一部分，从信息获取、社交联络到娱乐消遣，几乎无处不在。然而，这把“双刃剑”在带来便利的同时，其过度使用对心理健康的潜在危害也日益引发关注。大量研究表明，问题性智能手机使用与焦虑、抑郁症状、情绪失调乃至认知功能受损存在正相关。一个尤为关键但尚未被深入探索的问题是：智能手机的使用如何具体影响我们的日常情绪体验？特别是，一天中不同时间段（如白天与夜晚）的使用，是否通过不同的心理生理机制，对情绪产生截然不同的影响？此前的研究往往将全天的使用时长混为一谈，未能清晰区分使用时间点的重要性，且对于情绪体验的多个维度（如频率、强度、持续时间）以及其中介机制（如睡眠、认知评价）的综合考察较为缺乏。

为了解答这些问题，由Dariush Babakhani、Ali Akbar Foroughi等人组成的研究团队在《Computers in Human Behavior Reports》上发表了一项研究。他们开展了一项为期7天（非连续）的日记研究，在自然环境中对119名成年人（平均年龄26.84岁）进行了追踪。研究旨在构建一个整合模型，探讨夜间和日间智能手机使用如何通过睡眠指标（就寝时间、睡眠时长、主观睡眠质量）和负性事件感知重要性的序列中介路径，最终影响负性情绪（悲伤、愤怒、焦虑）的频率、强度和持续时间。

为开展此项研究，研究人员采用了多项关键技术方法。首先，研究设计采用了生态瞬时评估（EMA）中的日记法，在自然情境下进行重复测量。其次，智能手机使用数据（夜间18:00-22:00，日间从醒来到18:00）通过Android应用程序“Stayfree”进行客观采集。第三，睡眠参数中，就寝时间和客观睡眠时长通过“Sleep Cycle”应用程序利用手机麦克风和加速度计进行非侵入式监测，而主观睡眠质量则通过单条目自评量表（5点Likert量表）获取。第四，情绪相关变量（事件重要性、情绪频率、强度、持续时间）则通过夜间在线问卷进行自评，问卷设计参考了Verduyn等人的方法。最后，数据分析综合运用了Spearman相关分析、结构方程模型（SEM）路径分析（使用AMOS软件）、多水平结构方程模型（MSEM）以及多水平潜在剖面分析（LPA，使用Latent GOLD软件），以检验变量间的关联、中介效应以及个体内外的异质性模式。

3.1. 描述性统计

结果显示，参与者平均夜间智能手机使用时间为1小时12分钟，日间使用时间占 waking up 至18:00总时长的34%。平均就寝时间较晚（01:28 AM），平均睡眠时长为6小时6分钟，主观睡眠质量平均为3.39（5点制，属中等偏上）。负性事件的感知重要性较低（平均2.34，8点制），负性情绪的频率、强度和持续时间也相对较低。

3.2. 变量间相关性

夜间与日间智能手机使用呈正相关（r = 0.50）。日间使用与睡眠时长正相关（r = 0.22），与负性情绪频率负相关（r = -0.19）。就寝时间越晚，睡眠时长越短（r = -0.19）、睡眠质量越差（r = -0.31）。睡眠质量越好，负性事件感知重要性越低（r = -0.30），负性情绪的持续时间（r = -0.27）、强度（r = -0.28）和频率（r = -0.23）也越低。负性情绪各维度及事件重要性之间存在高度正相关（r > 0.77）。

3.3. 模型拟合

假设模型（智能手机使用→睡眠→事件重要性→情绪）拟合指标良好（CFI = 0.98, GFI = 0.93, RMSEA = 0.05, CMIN/DF = 1.27），且其AIC和BIC值低于两个竞争模型（情绪→智能手机使用→睡眠；智能手机使用→情绪→睡眠），表明数据与假设模型更匹配。

3.4. 协变量

年龄与睡眠质量正相关（β = 0.21），表明年长者报告睡眠质量更好。性别与负性事件重要性正相关（β = 0.18），表明女性感知的负性事件重要性高于男性。教育水平与睡眠质量的关联不显著。

3.5. 直接效应（人际水平）

日间智能手机使用水平较高的个体，其睡眠时长更长（β = 0.35）、睡眠质量更好（β = 0.22）。相反，夜间智能手机使用水平较高的个体，其睡眠时长更短（β = -0.28）、睡眠质量更差（β = -0.18）。智能手机使用（日间或夜间）未能直接预测就寝时间。就寝时间越晚，睡眠时长越短（β = -0.27）、睡眠质量越差（β = -0.25）。睡眠时长越长，睡眠质量越好（β = 0.27）。睡眠质量越高，负性事件感知重要性越低（β = -0.25）。负性事件感知重要性越高，负性情绪的强度（β = 0.95）、持续时间（β = 0.73）和频率（β = 0.80）也越高。

3.6. 间接效应（人际水平）

夜间智能手机使用通过“较短睡眠时长→较低睡眠质量→较高事件重要性”的序列中介路径，间接预测了更强烈（β = 0.06）、更持久（β = 0.05）和更频繁（β = 0.05）的负性情绪。日间智能手机使用则通过“较长睡眠时长→较高睡眠质量→较低事件重要性”的路径，间接预测了较不强烈（β = -0.06）、较短（β = -0.05）和较少（β = -0.05）的负性情绪。类似的间接效应也存在于就寝时间、睡眠时长和睡眠质量对负性情绪的影响中。

3.7. 双向关联

替代模型分析提示可能存在双向关系。例如，负性情绪持续时间较长预测了夜间智能手机使用增加，而夜间使用增加又预测了负性情绪强度增高，进而通过增加事件重要性预测了较差的睡眠质量。

3.8. 补充结果（个体内水平）

在个体内水平，日间智能手机使用较多预测当晚睡眠时长较长（β = 0.22），而夜间智能手机使用较多（β = -0.08）和就寝时间较晚（β = -0.51）则预测当晚睡眠时长较短。就寝较晚（β = -0.10）和睡眠时长较长（β = 0.20）均预测当晚睡眠质量较好。然而，睡眠质量未能显著预测次日负性事件重要性。事件重要性仍能显著预测同日负性情绪的持续时间（β = 0.63）、强度（β = 0.86）和频率（β = 0.68）。潜在剖面分析识别出三种日水平数字福祉模式：“中度数字福祉”（40.5%，日间使用高，睡眠质量、事件重要性和情绪反应中等）、“风险数字福祉”（39%，日间使用低，睡眠质量差，事件重要性和情绪反应高）和“最优数字福祉”（20.5%，日间使用高，睡眠质量高，事件重要性和情绪反应低）。在人际水平识别出两种模式：“最优数字福祉”（63%的个体，日使用高，事件重要性和情绪体验低）和“风险数字福祉”（37%的个体，日使用低，事件重要性和情绪体验高）。

归纳研究结论与讨论部分，本研究的重要发现在于清晰地揭示了智能手机使用时间点的重要性。夜间使用主要通过损害睡眠（时长和质量）和增强对负性事件的认知评估（感知重要性），从而加剧负性情绪体验。而日间使用则显示出一定的适应性，与更好的睡眠和更低的负性情绪相关，这可能与日间使用的内容、功能（如社交支持、放松活动）以及日间蓝光暴露对昼夜节律的潜在积极影响有关。就寝时间本身是影响睡眠和后续情绪链的关键因素。研究还提示了智能手机使用、情绪和睡眠之间可能存在复杂的双向或循环影响关系。

本研究的意义重大。首先，方法上结合了客观监测与主观报告，区分了日间与夜间使用，并考察了情绪的多维特征，增强了结果的可靠性。其次，理论上，它整合了数字媒体效应理论、情绪调节的过程模型等，提出了一个包含睡眠和认知评价的序列中介路径模型，深化了对智能手机使用影响情绪机制的理解。最后，在实践上，研究结果指出了可干预的关键靶点，如针对夜间使用者的睡眠卫生促进（如规律作息、减少睡前屏幕使用）和认知行为干预（如对负性事件进行再评价），为设计精准的数字健康干预措施提供了科学依据。例如，可穿戴设备在检测到睡眠质量差时，可触发提示，帮助用户预备应对可能的负性事件，通过重新评估其重要性来减轻情绪影响。未来研究需进一步区分使用内容、扩大样本、采用实验设计来验证因果关系，并探索其对积极情绪的影响。