综述：基于技术的干预措施解决网络成瘾行为的系统评价

《Discover Mental Health》：Technology-based interventions to address internet addictive behaviors: systematic review

本系统评价（PRISMA指南）分析了2022-2024年Q1/Q2期刊中11项技术干预网络使用障碍（IUD/IA）的研究。结果显示，个性化、实时反馈的干预（如mHealth、EMA/EMI）对减少屏幕时间和成瘾症状最有效，而用户体验（UX）和软件质量属性（ISO/IEC 25010:2023）是影响依从性的关键。研究指出未来需关注人工智能（AI）个性化及跨学科合作，以填补数据空白并优化干预策略。

　　

研究背景

随着互联网成为日常生活的基础设施，过度使用网络及其引发的行为问题——即网络使用障碍（Internet Use Disorder, IUD）或网络成瘾（Internet Addiction, IA）——日益受到关注。世界卫生组织（WHO）已将网络游戏障碍（Internet Gaming Disorder）纳入《国际疾病分类》第11版（ICD-11），其症状（如渴求、失控、戒断反应）也与《精神障碍诊断与统计手册》第五版（DSM-5）中其他成瘾行为相似。疫情期间，IUD的总体患病率高达36.7%，其中严重成瘾者占2.8%，而在印度大学生中，2024年的患病率甚至达到64.1%。传统心理和药物干预虽有效，但基于技术的干预凭借其可及性、匿名性、低成本及新技术普及等优势，为成瘾管理提供了新途径。

研究方法

本综述遵循Barbara Kitchenham的系统评价指南和PRISMA声明，计划、执行、结果三阶段严格推进。研究问题聚焦于技术干预对IUD的有效性、质量属性和用户体验。文献检索覆盖Springer Link、Scopus、Dimensions三个数据库及《Journal of Medical Internet Research》《Computers in Human Behavior》两种Q1期刊，时间范围为2022年1月至2024年6月。最终纳入11篇符合标准的文章，并通过Cohen's Kappa系数（K=0.847）确保筛选一致性。质量评估采用混合方法评价工具（MMAT），数据提取则围绕17项标准分类进行。

研究结果

RQ1：技术干预研究的特征

研究覆盖四大洲，以欧洲（尤其是德国）为主。研究对象多为成年人，样本量1–23,234人，干预周期21天至12个月不等。验证方式以实验为主（10项），包括随机对照试验（4项）、非随机对照试验及多中心单盲试验等。针对的成瘾行为涵盖网络成瘾（4项）、赌博（3项）、社交媒体成瘾（3项）和游戏（2项）。

RQ2：现有技术干预类型

最常用的技术为网站和移动健康应用（mHealth）。数字策略以警报通知（Alarms and Notifications）和认知行为疗法（CBT）为主；数字评估多采用数字评估工具（7项）和生态瞬时评估（EMA）；数字干预则以心理治疗课程（6项）为核心。个性化（Personalization）在5项研究中完全实现，1项部分实现，4项未个性化。新技术如关闭非必要通知、屏幕灰度化、赌博中断工具等也被应用。

RQ3：干预有效性

临床疗法（如CBT）是主流干预类型，能显著缓解所有成瘾症状（使用CIUS等量表评估），并减少每日屏幕时间（57分钟至4.79小时）。治疗依从性在14.2%–100%之间，其中个性化干预和实时反馈策略（如生态瞬时干预EMI）效果尤佳。自我控制工具虽能改善睡眠（33.1%使用者认可），但依从性较低（14.2%–68%）。

RQ4与RQ5：质量属性与用户体验

所有研究均隐含或明确报告了技术质量属性（如安全性、兼容性）和用户体验（UX）。用户对有用性和满意度的评价为中高水平，但需更系统化的ISO/IEC 25010:2023标准评估。用户体验的优化直接关联干预依从性和有效性。

讨论与质量评估

技术干预的有效性因个性化程度和用户参与度而异。跨学科合作不足是当前发展的主要障碍，工程学与行为科学的结合亟待加强。风险偏倚评估显示，10项研究符合全部5项MMAT标准，仅1项存在参与者代表性和混杂因素控制问题，整体质量可靠。

结论与展望

个性化、实时反馈的临床随访干预在减少屏幕时间、成瘾症状及提升用户满意度方面最为有效。未来研究应聚焦人工智能驱动的个性化干预、连续监测技术评估、文化语境适配及ISO/TS 82304-2:2021标准下的软件质量要求深化，以推动数字行为干预的精准化和实用化。