基于机器学习预测青少年游戏成瘾：个体、家庭与学校层面关键因素的识别

《Psychological Medicine》：Predicting adolescent gaming addiction: insights from individual, family, and school-level factors via machine learning

　　

背景：游戏成瘾日益被认定为全球范围内青少年心理健康的重要问题。为更好地理解其发展机制，识别风险因素与保护因素至关重要。然而，现有研究大多仅关注有限数量的变量。为弥补这一不足，本研究采用机器学习方法，从个体、家庭和学校领域识别最重要的预测因素。方法：研究以21,239对中国亲子配对为样本（父母：68.92%为母亲；M_age = 40.42岁，SD = 5.78岁；青少年：45.00%为男性；M_age = 13.41岁，SD = 2.14岁）。研究人员采用机器学习分类模型检验所选变量预测游戏成瘾的准确性，并探讨各变量在预测过程中的相对重要性。结果：随机森林（Random Forest）和XGBoost模型均达到超过0.80的准确率，并一致识别出若干游戏成瘾的关键预测因素。风险因素包括高水平外化问题（externalizing problems）和注意问题（attention problems）、男性、遭受欺凌受害（bullying victimization）、与父母疏离（alienation from parents）、父母抑郁以及绩效导向的学校环境。保护因素包括高水平的毅力（perseverance）、良好的学业成绩和学业自我效能感（academic self-efficacy）。结论：总之，研究结果指出了使用机器学习方法揭示游戏成瘾关键预测因素的价值，为跨个体、家庭和学校情境的针对性预防和干预工作提供了重要启示。

**研究背景与问题**

网络游戏是青少年常见的休闲活动形式，但过度游戏会增加适应不良后果的风险。青少年由于情绪反应性增强、冲动性较高及自我调节困难等发展特征，尤其容易受到游戏成瘾的影响。尽管与青少年游戏行为相关的个体和环境因素已被广泛研究，但在界定这些预测因素的相对重要性方面仍存在关键空白。以往研究大多仅关注有限变量，元分析虽能综合不同研究的结果，但各研究通常仅关注有限变量，无法在单一分析框架内评估广泛预测因素的相对重要性。传统统计方法如多元回归或结构方程模型因多重共线性问题，难以对众多相关预测因素之间的复杂关系进行建模。此外，现有机器学习研究大多聚焦于个体内部因素，对家庭和学校情境等人际影响因素关注相对有限。部分研究考察了青少年互动技术使用与个体、家庭和学校因素的关系，但娱乐性互动技术使用是涵盖游戏、社交网络、流媒体等多种活动的宽泛类别，将这些异质性行为合并为单一结果可能引入概念异质性并掩盖活动特异性预测因素。因此，本研究聚焦于游戏成瘾，以更精确和具有临床意义的方式识别其预测因素。

**研究概况与意义**

本研究采用横断面数据和机器学习方法，识别中国深圳市21,239对亲子配对中个体、家庭和学校领域与游戏成瘾相关的因素。研究提出两个假设：第一，积极的个体特征、支持性养育和高品质亲子及同伴/师生关系为保护因素，而男性、青少年心理社会问题、父母痛苦、不良养育方式和不良学校经历与游戏成瘾风险增加相关；第二，个体层面因素比人际因素更能预测游戏成瘾。研究人员还检验了纳入游戏行为指标（每周游戏频率和单次游戏时长）是否能提升模型性能。研究结果表明，随机森林和XGBoost模型准确率均超过0.80，个体内部因素比人际因素更重要，游戏行为指标可提升召回率但降低精确率。本研究在方法学上率先应用机器学习跨个体内部和人际领域识别游戏成瘾的关键预测因素，为早期识别和针对性干预提供了重要启示。

**关键技术方法**

研究采用分层抽样从深圳市各行政区中小学招募21,239对亲子配对，通过微信家长群发放在线问卷，父母和青少年分别完成不同部分。使用孤立森林（Isolation Forest）算法检测多变量离群值，剔除无效数据后按8:2随机分为训练集和测试集，采用SMOTE算法处理类别不平衡。使用Boruta算法进行特征选择，开发并比较弹性网络（Elastic Net）、随机森林和XGBoost三种监督机器学习算法，通过网格搜索和10折交叉验证优化超参数。采用Shapley加性解释（SHAP）进行变量重要性分析，并通过SHAP依赖图展示主效应和交互效应。敏感性分析将游戏成瘾作为连续变量重复分析，并检验不使用SMOTE时的结果稳健性。

**研究结果**

**无效数据检测与处理**：剔除3,298名离群值（占总样本15.5%），最终17,941名参与者纳入正式分析，其中5,173名青少年被识别为游戏成瘾风险者。

**变量选择**：经Boruta算法筛选，最终机器学习模型纳入43个变量，包括量表变量和4个人口学变量（青少年性别、年龄、年级和学业成绩）。

**机器学习模型性能**：弹性网络分类性能相对较差，随机森林和XGBoost模型表现良好，准确率分别为0.8391和0.8641。研究人员选择两种表现最佳的模型进行后续变量重要性分析。

**变量重要性**：随机森林模型在纳入Shapley值排名前14的变量时累积准确率达85%，XGBoost模型在纳入前12个变量时达85%。两模型重要变量交集包括外化问题、性别、欺凌受害、注意问题、毅力、与父母疏离、学业成绩、学校绩效导向环境、父母抑郁和学业自我效能感共10个变量。其中除父母抑郁由父母报告外，其余均由青少年报告。纳入每周游戏频率和单次游戏时长后，XGBoost模型准确率提升2.10%和1.68%，但精确率基本不变或略有下降。

**10个重要变量的SHAP主效应**：当青少年表现出中高水平外化问题和注意问题、为男性、有欺凌受害经历、毅力中低水平、学业成绩和学业自我效能感较差、与父母关系疏离、就读强调学业成绩的学校以及父母有抑郁时，模型更可能将其分类为游戏成瘾。

**变量与性别的SHAP交互效应**：高注意问题、中低毅力和差学业成绩对男性游戏成瘾的预测作用更强；中高水平外化问题、遭受欺凌受害和绩效导向学校环境对女性游戏成瘾的预测作用更强。交互效应量级一般小于主效应，主要起放大或衰减主效应的作用。

**敏感性分析**：XGBoost和随机森林回归模型均表现良好（MSE分别为0.3771和0.3967，R2分别为0.4388和0.4094），分类模型中排名靠前的变量在回归模型中同样重要性较高。不使用SMOTE时整体准确率相似，但正类召回率大幅下降。

**讨论与结论**

本研究样本中游戏成瘾检出率（约29%）相对较高，可能与深圳市高度现代化和經濟发达的城市背景及新冠疫情期间数据收集有关。与假设一致，个体内部因素比人际因素更重要，10个最重要预测因素中个体内部因素占多数。外化问题是游戏成瘾最强预测因素，内化问题排名较低（第10或11位），可能因内化症状异质性较高。性别是重要预测因素，男性比女性更易成瘾，且注意问题、低毅力和低学业成绩对男性预测作用更强，外化问题、欺凌受害和绩效导向学校环境对女性预测作用更强。人际关系相关变量（亲子关系质量和受害经历）是重要相关因素，从自我决定理论角度，关系受损可能削弱青少年归属感需求，使其更倾向通过网络游戏寻求归属。父母抑郁也是重要预测因素，情感困扰的父母在照护和監控子女方面面临更大挑战。学业相关因素（绩效导向学校环境、学业成绩和自我效能感）为关键预测因素。游戏行为变量可提升召回率但降低精确率，提示不应将"游戏时长"作为诊断或筛查的主要或唯一标准。研究结论为：本研究通过应用机器学习识别跨个体、家庭和学校情境的关键预测因素，推进了对游戏成瘾的理解。研究突出了10个核心风险因素，随机森林和XGBoost模型达到高准确率（>0.80），展示了机器学习在早期识别风险青少年的潜力。研究结果强调游戏成瘾的多面性，表明个体内部因素（尤其是外化问题、男性和注意缺陷）和人际因素（如欺凌受害和父母疏离）均对风险有贡献，其中个体内部因素影响更大，为针对性预防和干预策略提供了有价值的方向。