编辑推荐：
为解决问题游戏亚型基于人格特质的分类有限这一问题，研究人员开展了以潜在剖面分析（LPA）识别在线游戏玩家群体并比较关键变量的研究。结果发现可分为高、中、低风险三类玩家，且多种因素与游戏成瘾风险相关。该研究有助于识别高风险玩家并制定干预措施。
在当今数字化时代，互联网游戏风靡全球，尤其在中国，众多青少年沉浸其中。然而，游戏成瘾问题也日益凸显。游戏成瘾指个体无法控制自己的游戏行为，即便产生负面后果仍优先进行游戏。2013 年它被纳入《精神疾病诊断与统计手册》第 5 版（DSM-5），2019 年又被列入《国际疾病分类》第 11 版（ICD-11），与赌博障碍一同被视为重要的行为问题。据研究，美国约 90% 的青少年参与电脑游戏，其中约 15% 成瘾；中国 80% 的青少年接触数字媒体，成瘾率达 14% 。但游戏并非只有弊端，它也能带来社交益处和认知提升，如改善记忆力等。因此，区分正常玩家和成瘾玩家至关重要。
目前，关于基于人格特质对问题游戏亚型进行分类的研究还很有限。在这种背景下，中南大学湘雅二医院等机构的研究人员开展了相关研究，旨在通过潜在剖面分析（Latent Profile Analysis，LPA）识别不同的在线游戏玩家群体，并比较这些群体之间的关键变量，研究成果发表在《BMC Psychiatry》上。
研究人员采用便利抽样的方法，于 2019 年 10 月至 11 月通过微信邀请中国互联网游戏用户参与在线调查，最终得到 5593 名互联网游戏玩家的有效样本。研究用到的主要技术方法包括：一是问卷调查，收集社会人口学数据、游戏特征、问题游戏评估及人格特质评估等信息；二是采用 LPA 模型进行数据分析，通过拟合不同数量的剖面模型，确定最佳模型数量，进而识别潜在的玩家群体 。
研究结果如下：
- 潜在剖面分析：通过 LPA 分析，确定 3-profile 模型为最适宜模型。将玩家分为三类，分别是高风险玩家（high-risk gamers，HRG），占比 64.78%；中风险玩家（medium-risk gamers，MRG），占比 3.22%；低风险玩家（low-risk gamers，LRG），占比 32% 。
- 玩家群体特征差异：在人口统计学特征方面，年龄、性别、婚姻状况和家庭结构显著影响玩家群体成员身份，教育程度影响不显著。在游戏相关特征上，低风险群体在游戏投入（如每月游戏花费、每日游戏时长）方面最低；高风险群体策略游戏占比低于其他两组，RPG 游戏占比增加，且该群体使用手机玩游戏的比例更高 。
- 游戏动机差异：高风险群体玩游戏多为逃避现实、应对负面情绪和打发时间；中风险群体主要为寻求乐趣；虽然三组在交友动机上无显著差异，但高风险群体在游戏中实际交到的朋友最少，低风险群体最多 。
研究结论和讨论部分指出，低神经质和高尽责性是预防游戏成瘾的保护因素，高神经质个体更易因寻求稳定和控制而沉迷游戏，而高尽责性个体因对个人目标的高承诺等不易受游戏吸引。此外，高宜人性、开放性和外向性也是保护因素，它们通过多种机制降低游戏成瘾风险。研究还发现，在游戏中交到更多朋友可作为预防问题游戏的保护因素。同时，未婚、独生子女等因素与较低的游戏成瘾可能性相关 。
该研究具有重要意义，它通过 LPA 将问题游戏风险分为三类，明确了多种保护因素和风险因素，有助于识别高风险玩家，为针对不同风险水平玩家制定早期干预措施提供了依据。此外，研究成果对心理健康专业人员、教育工作者和政策制定者具有参考价值，可推动制定针对性的预防计划，促进青少年形成健康的游戏习惯，提高公众对游戏成瘾风险的认识，从而在享受游戏娱乐性的同时，减轻游戏成瘾带来的负面影响，提升玩家的整体心理健康水平。
