《The Lancet》：The public health challenges of children's and adolescents’ digital media use: applying the digital determinants of health as an interpretive framework
编辑推荐：
儿童和青少年成长于混合世界，数字媒体已成为日常生活基础设施及健康的结构性决定因素。研究人员在《The Lancet》数字健康决定因素（digital determinants of health, DDoH）系列第二篇中，将首篇提出的DDoH框架作为解释透镜，
儿童和青少年成长于混合世界，数字媒体已成为日常生活基础设施及健康的结构性决定因素。研究人员在《The Lancet》数字健康决定因素（digital determinants of health, DDoH）系列第二篇中，将首篇提出的DDoH框架作为解释透镜，审视儿童与青少年（0–24岁）数字媒体使用（digital media use, DMU）与健康证据基础。现有证据表明DMU可与获益和危害均相关，但更一致地关联不良心理、行为、身体、认知与社会结局，发育阶段是关键调节因素。示例性建模显示潜在人群负担可观，但因果基础未明。既有研究过度依赖屏幕时间等易测代理指标，忽视平台设计、算法系统与商业激励。研究人员认为保护该人群健康需预防性与结构性回应，超越个体行为改变，重塑数字系统、激励与知识生产实践。
研究背景方面，儿童与青少年处于神经生物发育期，青春期奖赏敏感性与社会比较反应增强，而数字媒体已成社交、学习、日常基础设施。当前学术界争论DMU是否驱动青年心理健康下行，决策者也在证据未足时探索保护政策。已有研究多关注屏幕时间与个体使用，少有关注平台、算法、商业模型等上游结构，证据碎片化且低中收入国家（low-income and middle-income countries, LMICs）代表不足，因此研究人员以DDoH框架重新解释证据。
本研究为《The Lancet》DDoH系列第二篇，研究人员通过一项涵盖121篇系统综述（含52篇meta分析）、2790项初级研究、900万名0–24岁对象的umbrella review（总括综述），并按儿童0–10岁与青少年10–24岁分层综合叙事与量化证据；同时用人群归因分数（population attributable fraction, PAF）方法，以每日2小时屏幕时间为阈值，结合Global Matrix 4.0中49国超阈值流行率与GBD 2023残疾生存年（disability-adjusted life-years, DALYs）数据做示意性人群负担建模；并设立数字健康决定因素青年咨询组（Youth Advisory Group）补充算法、生成式人工智能（artificial intelligence, AI）、自主性被主流文献忽略的盲点。
关键技术方法概括：研究人员采用umbrella review整合9至900万0–24岁对象证据并作年龄分层；以PAF与相对风险转换公式，基于49国屏幕时间超2小时/日流行率和GBD 2023数据估计抑郁症与肥胖症的人群可归因DALYs；通过全球6名18–30岁青年顾问的结构化咨询识别AI工具、算法系统、自主性三类证据盲点；以DDoH框架中数字社会技术秩序（digital sociotechnological order, DSTO）的政治规范、经济逻辑、基础设施、社会与个人实践四类特征解释暴露与结局关系。
研究结果部分保留小标题说明如下。Growing up in a hybrid world：研究人员指出年轻人在数字与现实混合环境成长，OECD国家约93%儿童10岁前用数字媒体，15岁智能手机近乎普及，生成式AI使用快速上升，但LMICs连接不稳定且数据不可比。Current evidence of young people's DMU and its health impacts：umbrella review显示儿童组71%发现为不良关联，青少年组80%为不良关联；儿童以屏幕时间关联情绪与睡眠为主，青少年以问题性DMU（problematic DMU）关联抑郁、自伤、孤独、生活质量下降为主，教育内容与共同观看具获益。Assessment of the evidence and its limitations：大多数研究为横断面，屏幕时间自我报告且定义不一，逆转因果无法排除，LMICs占比低于5%，保护性实践与获益结果研究不足。Estimating population-level effects of DMU：以2小时/日阈值建模，年轻人中约20%抑郁症与15%肥胖症病例关联超阈值，对应约2.80百万抑郁症DALYs与0.24百万肥胖症DALYs，说明高暴露下即使弱关联也可致可观人群负担。Assumptions and interpretation：PAF估计假定关联近似因果，不应解读为因果归因；成人社交媒体限制与数字戒断meta分析效应小，不平等可能在个体、学校、国家层提升问题性使用概率。Identifying blind spots in the evidence base：青年顾问指出算法放大有害内容、回声室、AI用于健康信息与情感支持未被测量，文献益处的记录远少于危害。Gaps in the literature：时长型暴露指标无法捕捉算法动态、AI与自主性，边缘群体借数字媒体获同伴支持等正向使用被低估。Emerging issues and interpretation of the evidence：顾问认为doomscrolling（末日刷屏）等是平台环境产物而非个人选择，已有心理脆弱、数字素养低、离线支持少者承受更集中危害。How does using digital media impact young people's health and wellbeing? Applying the DDoH framework to interpret the evidence：研究人员用DSTO七类数字实践（technological solutionism、datafication、informatisation、algorithmic decision making、platform control、gatekeeping、transforming labour）与四特征解释为何证据偏个体行为。Political norms shaping digital media risks and responsibilities：治理滞后、13岁默认最低年龄、平台自监管与数据不透明使年轻人暴露于有害内容与数据收集。Economic logics driving a focus on problematic DMU：注意力经济、附着经济、监视资本主义推动无限滚动与超个性化，使问题性使用被商业化并进入研究视野。Infrastructures that make DMU ubiquitous and difficult to measure：24/7连接、便携设备、生成式AI让DMU嵌入生活，也带来睡眠剥夺、视力听力损害与AI误导风险。Social and personal practices contributing to heterogenous effects：家庭、同伴、数字素养与身份管理使同一暴露对不同人良性或有害。Assumptions that shape how digital media and its health effects are understood：个体责任范式与商业数据体制导致研究依赖屏幕时间代理指标。What is invisible in the existing research：算法策展、定向广告、生命周期累积效应因横断面与无统一标准而不可见。
讨论与结论翻译部分：研究人员结论为，儿童与青少年DMU健康风险由DSTO内政治规范、经济逻辑、基础设施与社会实践等结构性条件产生；现有证据虽显示负向关联占优，但因果未明且系统机制不可见。保护年轻人健康不能止步于个体行为改变，而需以健康公平、权利、团结与民主价值重定向DSTO，推动平台透明、算法问责、年龄适配治理与全球可比测量。研究意义在于把DMU从个人习惯问题重构为公共健康中的数字社会技术结构问题，为《The Lancet》读者提供从证据综合、人群建模到青年参与和框架解释的完整路径，支持面向儿童青少年的预防性、结构性政策而非单纯限屏倡议。
