《Journal of Multidisciplinary Healthcare》：Association Between Smartphone Addiction and Near Binocular Vision Function Among University Students: A Cross-Sectional Study
编辑推荐：
目的：目前，智能手机、视频游戏的使用以及数字屏幕在全天的广泛使用导致了一种新的临床综合征，称为“数字眼疲劳”（digital eye strain）。与屏幕使用时间不同，关于问题性智能手机使用与近距离双眼视功能参数之间关系的研究很少。本研究旨在使用智能手机成瘾
目的：目前，智能手机、视频游戏的使用以及数字屏幕在全天的广泛使用导致了一种新的临床综合征，称为“数字眼疲劳”（digital eye strain）。与屏幕使用时间不同，关于问题性智能手机使用与近距离双眼视功能参数之间关系的研究很少。本研究旨在使用智能手机成瘾量表（Smartphone Addiction Scale）探讨近距离双眼视功能与问题性智能手机使用之间的关联。
患者与方法：这项横断面研究纳入了134名年龄在18至25岁之间的大学生。研究人员在实施验光测量（如调节幅度（amplitude of accommodation）、近距离隐斜（near phoria）和立体视锐度（stereoacuity）、集合近点（near point of convergence, NPC））的同时，进行了经过验证的智能手机成瘾量表问卷调查，并进行了关于集合不足症状的问卷调查。
结果：分析显示，智能手机成瘾量表与集合近点（r=?0.176, p<0.05）、调节幅度（r=0.191, p<0.05）以及集合不足症状（r=0.238, p<0.01）之间存在显著关系。此外，研究显示智能手机成瘾量表存在显著的性别差异，女性得分低于男性；70.9%的男性参与者被认为是智能手机成瘾，而55.5%的女性参与者被认为是智能手机成瘾（Mann–Whitney检验，p = 0.05）。
结论：年轻人的集合不足症状负担与问题性智能手机使用相关。双眼视功能异常可能不仅与视觉舒适度相关。
随着智能手机在日常生活各领域的深度普及，数字屏幕的使用已成为现代视觉环境的重要组成部分。然而，过度且失控的智能手机使用行为——即智能手机成瘾——已被定义为一种强迫性使用模式，表现为难以控制的持续使用欲望。既往研究多关注屏幕使用时间与眼表、调节和集合功能的关系，但屏幕时间无法反映使用行为的性质。已有证据表明，长时间屏幕使用可加剧既有的双眼视功能异常，导致数字眼疲劳相关症状。然而，将问题性智能手机使用（而非单纯屏幕时间）与客观近双眼视功能指标及症状问卷同时纳入同一人群的研究仍较少。本研究旨在填补这一空白，探讨智能手机成瘾与近视功能及视疲劳症状的关联。
研究人员在沙特阿拉伯Qassim大学开展了一项横断面研究，经伦理委员会批准（IRB no. 08-04-25），共招募147名18至25岁健康大学生，排除斜视、既往斜视手术、眼部病变或正在接受眼科治疗者后，最终分析134人（60%为女性，平均年龄21.53±1.83岁）。研究采用经过验证的智能手机成瘾量表简版（Smartphone Addiction Scale-Short Version, SAS-SV）评估问题性使用行为，以性别特异性截断值（男性31/60，女性33/60）判断成瘾；采用集合不足症状调查（Convergence Insufficiency Symptom Survey, CISS）评估近工作相关症状（≥21分为有症状）；通过推进法（push-up method）测量调节幅度（amplitude of accommodation），使用RAF尺测量集合近点（near point of convergence, NPC），Titmus fly测试测量立体视锐度（stereoacuity），Maddox Wing测量近隐斜（near phoria）。所有验光检查在同一环境中由验光师按固定顺序完成。此外，在66名具有屏幕时间数据的受试者中进行了探索性二次分析。样本量通过G*Power计算，采用α=0.05，功效95%，相关系数效应量|ρ|=0.30，需134人；回归分析效应量f2=0.15，需89人，最终采纳较大估计值134人。统计分析使用GraphPad Prism 10，数据正态性采用Shapiro–Wilk检验，非正态数据采用非参数分析，p<0.05为差异有统计学意义。
研究结果分三部分呈现。第一部分“双眼视参数与智能手机依赖的相关性分析”：Spearman相关分析显示，调节幅度与NPC呈显著负相关（ρ=?0.466, p<0.001），即调节幅度越大，集合近点越近；年龄与NPC呈正相关（ρ=0.267, p=0.001），与调节幅度呈负相关（ρ=?0.243, p=0.003），符合年龄相关的调节功能下降；立体视锐度与CISS得分（ρ=0.252, p=0.003）和NPC（ρ=0.218, p=0.008）呈正相关。SAS-SV得分与调节幅度、NPC及CISS得分存在弱但显著的Spearman相关（ρ=0.18~0.24）。第二部分“多重线性回归：智能手机成瘾的预测因素”：以调节幅度、NPC、立体视锐度、近隐斜和CISS得分为预测变量，对SAS-SV得分进行多重线性回归。模型显著（F(5,127)=3.57, p=0.005），解释12.3%的方差（R2=0.123），方差膨胀因子均低于1.3，无多重共线性。其中CISS得分（β=0.223, 95%CI 0.080–0.366, p=0.003）和调节幅度（β=0.634, 95%CI 0.106–1.163, p=0.019）是独立的显著预测因子，而NPC、立体视锐度和近隐斜不显著。第三部分“探索性二次分析：屏幕时间暴露”：在n=66的亚组中，SAS-SV与每日屏幕时间无显著相关（ρ=0.092, p=0.465）；近隐斜与屏幕时间呈正相关（ρ=0.297, p=0.016），调节幅度与屏幕时间呈负相关（ρ=?0.241, p=0.049）。该亚组与全队列在人口学和临床指标上无显著差异（均p>0.05）。
讨论部分指出，本研究使用SAS-SV而非屏幕时间作为智能手机暴露指标，与以往研究不同。研究发现SAS-SV得分增高与CISS症状负担增加相关，这与强迫性近距使用导致持续调节和集合需求、首先表现为自我报告症状的机制一致。CISS量表中躯体感觉因子（眼疲劳、眼部不适、头痛、注意力丧失）占总方差43.8%，因此总分能很好地反映近距设备使用的症状负担。调节幅度与成瘾得分呈弱正相关，研究者提出一种可能解释：调节储备较大者可能在近距任务中体验更少视觉不适，从而减少对长时间使用的自然抵触，但这仅为推测，效应量较小，不能作出强结论。性别差异方面，男性成瘾得分和比率高于女性（70.9% vs 55.5%，Mann–Whitney p=0.05），这与部分中国研究（女性风险更高）和印度研究（无性别差异）不同，可能与社会文化、家庭结构、父母监控等未测量因素有关。局限性包括横断面设计无法确定因果关系，屏幕时间分析仅在亚组中进行，且未测量屈光不正、学业负荷、其他数字设备使用等潜在混杂因素。研究结论可翻译为：年轻人的集合不足症状负担与问题性智能手机使用相关，且独立于实际设备使用时间。然而，观察到的相关性较弱，回归模型仅解释了一小部分方差，因此这些发现应被视为关联而非因果或强预测关系。对于执业验光师而言，这意味着出现集合相关症状的患者可能需要进行问题性智能手机使用的筛查，而处理双眼视功能异常可能具有超越视觉舒适度的临床意义。在转化为常规临床实践前，仍需纵向和干预性研究。未来研究应在更大更多样化人群中验证，结合客观设备记录的使用数据与SAS-SV，并进行纵向追踪。
