土耳其青年问题性互联网使用（PIU）的性别差异及每日上网与家庭收入关联：一项元分析

《Frontiers in Psychology》：Problematic internet use among young people in Türkiye: a meta-analysis

　　

背景：问题性互联网使用（PIU）是青年人群中日益严重的公共卫生问题，但来自土耳其的元分析证据主要集中于性别差异。本元分析考察了土耳其青年PIU的性别差异及其与每日互联网使用和家庭收入的关联。方法：研究人员遵循PRISMA 2020指南，检索Web of Science、Scopus、TR Dizin和Google Scholar，并纳入量表开发文章的施引文献列表，以获取使用问题性互联网使用量表（PIUS）或其青少年版（PIUS-A）测量高中生或大学生PIU的定量研究。研究纳入2010年至2025年发表的27项研究（17篇学位论文和10篇期刊论文）（N = 16,488）。研究人员以Hedges’ g计算效应量，并使用限制性最大似然估计（REML）和Knapp–Hartung校正的随机效应模型进行合并。发表年份和教育水平作为调节变量检验，小样本研究效应通过漏斗图、Egger回归检验（Egger’s regression test）和剪补法（trim-and-fill method）检验。结果：男学生报告的PIU高于女学生（k = 27；g = 0.28，95% CI [0.18, 0.38]），且该差异在较新研究中较小。每日使用时间最长类别的学生报告的PIU显著高于最短类别者（k = 10；g = 1.31，95% CI [1.03, 1.60]），且经剪补法校正后该关联仍然较大。最高与最低家庭收入类别之间的差异较小且无统计学意义（k = 8；g = 0.16，95% CI [?0.08, 0.39]）。性别和每日使用的异质性较高，家庭收入的异质性中等。结论：在土耳其青年中，PIU与在线时间关联最强；性别差异较小且似乎正在缩小，家庭收入方面的证据尚无定论。由于所有纳入研究均为横断面研究，这些发现描述的是关联而非因果效应。预防项目可能受益于针对每日互联网使用模式，未来研究应采用纵向设计检验基于理论的机制。

1 Introduction：论文指出信息通信技术快速发展使青年成为互联网高使用群体，土耳其16—24岁人群互联网使用率在2024年达到96.5%，与2004年相比显著上升。PIU被界定为互联网使用失控并干扰日常活动，伴随心理与社会困难；青少年和新兴成年期人群因发展特征而更易受影响。PIU与学业成绩下降、社会隔离、心理问题、情绪孤独、低自尊、焦虑、压力和抑郁症状等相关。土耳其青年每日互联网使用时间平均约7.5 h，主要用于社交媒体、网络游戏等。论文以Davis认知行为模型和I-PACE模型解释PIU：前者区分特异性与泛化性病理性互联网使用，强调远端脆弱性、适应不良认知和在线强化；后者强调个人特征、情感与认知反应、执行控制及使用获得的满足或缓解之间的交互。性别和家庭社会经济条件被视为远端个人与环境特征，每日在线时间反映强化累积的行为模式。既有土耳其研究多报告男性PIU较高但结果混合，且以往元分析主要关注性别；本研究因此合成性别、每日互联网使用和家庭收入差异，并检验发表年份与教育水平的调节作用。

2 Methods
2.1 Reporting standards and protocol：系统综述与元分析按PRISMA 2020声明实施和报告，提供完整清单；研究方案未预先注册，并作为局限说明。
2.2 Eligibility criteria：采用PECOS框架。人群为土耳其高中（9—12年级）或本科项目青年，大致对应15—24岁；排除初中样本。暴露/比较为性别（男vs.女）、每日互联网使用（最长vs.最短报告时长类别）和家庭收入（最高vs.最低报告收入类别）。结局为PIUS或PIUS-A测量的PIU，并在全文中核验量表使用；引用量表但使用其他工具者排除。设计为定量横断面（相关或因果比较）研究，至少报告一组比较的组样本量、均值和标准差。纳入土耳其语或英语的同行评议期刊论文及硕士、博士学位论文；重复数据保留报告最完整记录；要求PIUS信度至少0.70，包括样本特异性Cronbach’s α或量表验证研究系数；无信度信息者排除。是否报告样本特异性系数作为质量指标。
2.3 Information sources and search strategy：检索Web of Science、Scopus、TR Dizin和Google Scholar，并结合量表开发文章在这些来源中的“被引”列表；学位论文全文来自土耳其高等教育委员会国家论文中心。由于引文列表可能包含仅引用而未施测量表的研究，研究人员在全文中核验每项研究所用工具；对Google Scholar收录的非同行评议来源，核查每篇纳入期刊论文的索引状态，所有纳入学位论文均为已批准归档论文。
2.4 Study selection and data extraction：先筛选标题和摘要，再对可能合格记录进行全文评估；修订阶段对每项纳入记录重新核对全文，并从原始表格重新提取效应量数据。对初始编码与原始来源之间的差异，如组均值转置、反应类别遗漏或参考文献误归因，予以纠正并记录。提取信息包括作者与年份、出版类型、城市与机构、教育水平、年龄范围、按性别样本量、量表形式（PIUS或PIUS-A）、样本特异性信度、每日互联网使用和家庭收入反应类别，以及各比较所需组样本量、均值和标准差。
2.5 Effect size computation：采用Hedges’ g作为标准化均数差，并进行小样本校正；正值分别表示男学生、每日使用最长类别学生和最高家庭收入类别学生的PIU得分更高。由于PIUS（33项，33—165分）与PIUS-A（27项，27—135分）计分范围不同，且一项研究将分数转换为20—100分制，故采用标准化效应量。各研究每日使用和家庭收入反应类别不同，如“少于1小时”至“5小时或以上”、按土耳其里拉划分且随年份通胀变化的收入区间；为统一规则，在各研究内比较最高与最低报告类别；“从不”或“不知道”等不作为时长类别。两项研究报告每周而非每日使用小时数，保留并纳入敏感性分析。每项研究在每个分析中贡献一个效应量。
2.6 Methodological quality indicators：未采用正式偏倚风险工具，而编码三项与合并估计有效性相关的指标：是否报告PIUS样本特异性信度系数（27项中12项；其余15项仅报告验证研究系数）、出版类型（期刊论文或学位论文）、所有提取值能否与全文核验（27项中25项；两项仅可获取摘要或扩展摘要）。这些指标用于定义敏感性分析。
2.7 Statistical analysis：采用限制性最大似然估计（REML）的随机效应模型合并效应量，置信区间和检验采用Knapp–Hartung校正；以Cochran’s Q、τ²和I²评估异质性，并报告95%预测区间；发表年份和教育水平作为混合效应元回归调节变量；采用留一法和敏感性分析评估稳健性，敏感性分析分别限制于完全核验研究、报告样本特异性信度系数研究、报告每日而非每周小时数研究（每日使用分析）及原始编码研究（性别分析）；通过漏斗图、Egger回归检验和剪补法检验小样本研究效应；在R 4.3.3中完成分析，双侧检验α=0.05。

3 Results
3.1 Study selection：检索获得312条记录，排除重复25条、自动化工具标记不合格13条和其他原因11条后，263条进入标题和摘要筛选；185条因未考察性别、每日互联网使用或家庭收入被排除，78篇进入全文评估。初始全文评估排除32篇未报告计算效应量所需组样本量、均值和标准差者，以及11篇未报告PIUS信度信息者；修订再评估排除8篇，其中5篇使用其他PIU工具、1篇为12—14岁初中样本、1篇未报告PIU得分性别比较、1篇重复纳入学位论文数据。最终纳入27项研究。
3.2 Characteristics of the included studies：27项研究发表于2010—2025年，共16,488名参与者；17篇学位论文（16篇硕士、1篇博士）和10篇期刊论文；20项高中样本、7项大学样本；13项使用PIUS，13项使用PIUS-A，1项无法确定；9项在伊斯坦布尔，15项在其他12个省份，3项未说明省份；12项报告样本特异性Cronbach’s α（0.86—0.96），其余15项报告验证研究系数；所有研究均进入性别分析，10项进入每日使用分析，8项进入家庭收入分析。
3.3 Gender：男学生PIU高于女学生，合并效应较小（k=27，N=16,479；g=0.28，95% CI [0.18, 0.38]，p<0.001）；异质性高（Q(26)=215.07，p<0.001；I²=88.8%；τ²=0.056），95%预测区间为?0.22至0.78，提示差异方向可能随情境变化。发表年份调节显著（b=?0.031，SE=0.012，F(1,25)=7.29，p=0.012，R²=24.9%），较新研究中性别差异较小；教育水平不显著（F(1,25)=2.79，p=0.107）。留一法估计0.25—0.30，所有置信区间均排除零；Egger检验不显著（z=1.20，p=0.243），剪补法未填补研究。
3.4 Daily internet use：每日使用最长类别学生PIU显著高于最短类别者（k=10，N=2,214；g=1.31，95% CI [1.03, 1.60]，p<0.001）；异质性高（Q(9)=58.76，p<0.001；I²=82.4%；τ²=0.136），但预测区间全为正（0.43—2.20）。各研究极端类别不同，合并估计反映最轻与最重使用者对比而非固定剂量差。发表年份（F(1,8)=4.29，p=0.072）和教育水平（F(1,8)=0.26，p=0.626）均不显著；留一法1.25—1.39，排除两项周小时研究报告后估计不变（k=8；g=1.30，95% CI [0.92, 1.68]）。Egger检验接近显著（z=2.24，p=0.056）；剪补法在漏斗图左侧填补1项，调整估计仍较大（g=1.25，95% CI [0.99, 1.51]）。
3.5 Family income：最高与最低家庭收入类别学生PIU差异较小且不显著（k=8，N=1,661；g=0.16，95% CI [?0.08, 0.39]，p=0.163）；异质性中等（Q(7)=18.43，p=0.010；I²=61.3%；τ²=0.045），预测区间跨零（?0.40—0.71）。留一法估计均未达显著（0.10—0.21），发表年份不调节（F(1,6)=0.07，p=0.806）；两个大学样本效应大于六个高中样本（F(1,6)=18.27，p=0.005），但仅两个大学样本，未作解释。Egger检验接近显著（z=?2.37，p=0.056）；剪补法在右侧填补3项后调整估计较大（g=0.29，95% CI [0.08, 0.51]），但研究数少，需谨慎解释，家庭收入证据仍不确定。
3.6 Sensitivity analyses：合并估计对敏感性分析稳健。性别分析限制于25项完全核验研究（g=0.29，95% CI [0.19, 0.39]）或20项原始编码研究（g=0.28，95% CI [0.19, 0.38]）不改变结论；12项报告样本特异性信度系数研究估计相似（g=0.24，95% CI [0.13, 0.36]）。每日使用和家庭收入相应子集各仅3项，仅作完整性报告。

4 Discussion
4.1 Gender：男性PIU较高与既有性别元分析一致，但效应小且预测区间含负值，两项研究中女性PIU更高；未发现性别小样本效应证据。较新研究中性别差异减弱。按I-PACE模型，性别应视为通过使用动机和偏好在线活动间接影响PIU的远端个人特征，而非直接因素；随着智能手机社交媒体使用在性别间趋于普遍，暴露于激励性在线活动的差异可能减小。年份效应反映研究间趋势，需重复横断面或纵向研究验证。
4.2 Daily internet use：最高每日使用组PIU显著高于最低组，预测区间全为正，与PIU随每日互联网消费增加的研究一致。认知行为模型和I-PACE模型认为习惯性使用是获得满足与缓解的行为路径，强化线索反应和习惯行为。解释受三因素限制：PIUS包含过度使用维度，关联可能部分反映时间与结局的概念重叠；仅比较极端类别最大化对比，g不应解释为固定小时数；横断面关联可能双向。小样本分析提示有限不对称，但调整估计仍较大。
4.3 Family income：最高与最低收入家庭学生PIU无显著差异，与社会经济地位影响混合的既有研究一致。较高家庭收入和私人互联网接入可能通过访问路径增加PIU风险；家庭经济与教育因素也可能通过家庭关系和压力影响风险；两条路径可能相互抵消。按I-PACE模型，收入为远端情境因素，其作用取决于对访问、父母中介和应对机制的影响。测量限制包括名义土耳其里拉收入区间跨2010—2025年变化显著、低收入组常较小；仅8项研究，剪补法提示的轻微正关联缺乏可靠性，故证据应视为不确定而非无关联。
4.4 Developmental stage and educational level：15—24岁涵盖晚期青春期和早期新兴成年期。教育水平未影响性别或每日使用效应，支持这些比较中合并高中与大学样本；但大学样本仅7项、收入相关样本仅2项，发展差异仍可能存在，未来更多研究可探讨更具体年龄范围。
4.5 Implications：每日互联网使用强而一致的关联提示学校和大学预防应针对使用模式，如时间管理、自我监控和线下替代活动，而非聚焦人口风险群体。性别差异小且可能缩小，性别特定项目必要性低于针对重度使用相关在线行为和动机的项目。政策层面，整合预防、研究和青年输入的多利益相关方举措可作为模型；当前综述强调平衡、循证方法而非仅由担忧驱动。
4.6 Limitations：所有纳入研究均为横断面，结果仅示关联而非因果；仅纳入PIUS或PIUS-A研究提高可比性但排除其他PIU工具；每日使用和收入类别各研究不同，比较极端类别并不完美，部分报告周小时而非每日小时，收入区间为15年间名义土耳其里拉；每日使用和收入分析分别仅10项和8项，限制调节分析和小样本效应检验功效；性别和每日使用异质性高，发表年份仅部分解释；27项中17项为学位论文，纳入学位论文有助于减少发表偏倚但增加报告质量变异，15项仅报告验证研究信度系数，11项因缺信度数据排除，9个样本来自伊斯坦布尔；方案未注册，未用正式偏倚风险工具，两项研究提取值无法与全文核验，但敏感性分析显示排除后不影响发现；年龄报告不一致，一个高中样本含13—14岁学生。
5 Conclusion：在土耳其青年中，PIU主要与每日互联网使用相关；男学生PIU略高于女学生，但差异小且似在下降；家庭收入作用仍不清楚。预防策略若聚焦典型互联网使用行为而非特定人口群体可能更有效。未来研究应开展纵向研究以理解互联网使用与PIU的因果关系，将互联网使用报告为连续变量或标准化类别，采用父母教育或剥夺指数等一致社会经济地位指标而非仅收入区间，探索认知行为模型和I-PACE模型提出的使用动机、应对策略和适应不良思维等机制，并从主要都市区以外地区取样。