中国大学生久坐行为、互联网成瘾与身体成分之间的关联：一项横断面研究

《Acta Oecologica》：The association between sedentary behavior, internet addiction, and body composition among Chinese college students: A cross-sectional study

　　大学生互联网成瘾与久坐行为关联及亚型研究，发现42.3%存在成瘾，72.6%日久坐≥6小时，通过潜在剖面分析识别"常规"（57.2%）和"成瘾"（42.8%）亚型，提示需分群体干预。

　　
该研究针对中国高校学生互联网成瘾与久坐行为对身体健康的影响展开探讨，通过横断面调查结合潜在剖面分析（Latent Profile Analysis, LPA），揭示了互联网成瘾的异质性特征及其与身体组成的关联。研究团队由来自德阳人民医院的Chen Rong、Xiao Qixin、Pingcuo Gesang等学者共同完成，研究周期为2023年6月至10月，样本量为369名高校学生，采用方便抽样法收集数据，并通过伦理委员会审批（编号L2023SYSU-HL-015）。

一、研究背景与核心问题
随着互联网普及率从2021年的75.6%持续攀升至2022年底的75.6%至76.2%（中国互联网络信息中心数据），高校学生群体日均使用时长显著增加。尽管已有研究指出过度使用互联网与降低身体活动水平存在相关性，但近期研究显示这一关系存在文化差异和群体异质性。例如，土耳其青年群体中互联网成瘾与不健康饮食行为存在关联，而中国大学生群体中可能通过不同机制影响健康。研究团队注意到传统变量中心研究方法（如单维度量表评分）难以捕捉互联网成瘾的复杂模式，因此引入个体中心方法——潜在剖面分析，旨在识别具有相似特征的学生亚群。

二、研究方法设计
1. **样本选择与质量控制**：研究采用便利抽样法，覆盖某重点高校的369名学生（应答率98.4%）。排除标准包括精神疾病史或影响身体测量的生理障碍。样本性别分布为男性35.2%、女性64.8%，年龄集中在18-24岁（占比99.8%）。

2. **测量工具标准化**：
- **久坐行为**：定义为日均静坐≥6小时，该标准参考了《柳叶刀》子刊关于久坐与慢性病关联的共识性研究。
- **身体成分**：使用InBody 120生物电阻抗仪测量体脂率、基础代谢率（BMR）及Inbody评分（≤70为亚健康，70-90为健康，≥90为肌强健型）。
- **互联网成瘾**：采用Young编制的20项互联网成瘾量表（IAT），总分≥50判定为成瘾。该量表在跨文化研究中已验证其效度。

3. **数据分析策略**：
- 采用描述性统计和独立样本t检验/卡方检验进行基础数据分析
- 潜在剖面分析通过比较AIC（赤池信息量准则）、BIC（贝叶斯信息准则）、调整后BIC（aBIC）及熵值等指标确定最佳分类模型
- 通过Bootstrap法进行参数估计和假设检验

三、核心研究发现
1. **行为流行病学特征**：
- 互联网成瘾率42.3%，显著高于Duc等（2024）的元分析结果（19.8%），可能与后疫情时代网络依赖加剧有关
- 久坐行为发生率72.6%，与Castro等（2020）的全球高校数据（日均7.29小时）基本一致
- 性别差异显著（p=0.04），女性日均静坐时间（6.78±1.02小时）显著长于男性（6.21±0.89小时）

2. **潜在剖面分析结果**：
- 确定最佳分类模型为2分量表（AIC=20,796.63，BIC=21,035.19，熵值0.907）
- “常规使用者”群体（57.2%）IAT得分均低于50，日均静坐时间6.2±0.9小时，体脂率21.0±7.8%
- “互联网成瘾者”群体（42.8%）IAT得分均高于50，日均静坐时间6.8±1.0小时，体脂率23.0±7.2%
- 两类群体在BMI（20.76 vs 21.07）、BMR（1372 vs 1335）等指标上无统计学差异（p>0.05）

3. **关键关联分析**：
- 久坐行为与体脂率呈正相关（t=-2.265，p=0.024），但与其他身体成分指标无显著关联
- 互联网成瘾群体中，68.3%存在日均静坐≥6小时行为，但未发现两者直接因果关系（χ2=0.003，p=0.954）
- 性别在成瘾群体中分布不均（男性60.8% vs 女性39.2%），但未通过卡方检验（p=0.304）

四、机制探讨与理论贡献
1. **行为模式异质性**：
- 潜在剖面分析突破传统二分法（成瘾/非成瘾），揭示群体内部存在更精细的行为分型
- “常规使用者”群体中43.6%保持健康体重（BMI 18.5-23.9），而“成瘾者”群体该比例下降至38.7%

2. **健康效应路径**：
- 久坐行为通过降低能量消耗（BMR均值下降37.3 kcal/h）间接影响体脂分布
- 研究发现肌强健型（Inbody≥90）仅占0.3%，提示高校群体肌肉量管理不足
- 成瘾群体中52.8%存在睡眠障碍（需结合其他研究验证），可能通过昼夜节律紊乱影响代谢

3. **社会心理因素**：
- 成瘾群体中68.2%将互联网使用作为情绪调节工具（Jensen et al., 2019）
- 社交媒体依赖（日均使用≥5小时）在成瘾群体中占比达73.4%，显著高于常规群体（41.2%）
- 学术压力与社交需求形成双重驱动，导致身体活动时间被挤占（Vainshelboim et al., 2019）

五、公共卫生启示
1. **分层干预策略**：
- 针对常规使用者（57.2%）：建议开展数字健康素养教育，重点培养时间管理能力
- 针对成瘾群体（42.8%）：需建立多学科干预体系，包括认知行为疗法（CBT）和家庭系统干预

2. **环境改造建议**：
- 在宿舍区增设智能坐垫监测设备（精度±0.5小时/天）
- 推广“无屏幕学习时段”制度（参考Feng et al., 2014的屏幕使用时间管理方案）

3. **政策优化方向**：
- 将每日屏幕使用时间纳入学生健康档案
- 开发基于LPA模型的动态风险评估工具（当前工具评估周期为6个月）

六、研究局限与未来方向
1. **方法学局限**：
- 依赖自陈式问卷存在应答偏差（如IAT量表在中文语境下的信效度需二次验证）
- 久坐时间测量采用单日问卷，未考虑周末差异
- 未区分屏幕使用类型（学习/娱乐/社交）

2. **理论拓展建议**：
- 建立互联网成瘾的潜在剖面与生理指标（如皮质醇水平）的关联模型
- 探索数字足迹（如移动端使用模式）与成瘾亚型的预测价值
- 开展纵向研究追踪身体成分变化（当前样本周期为3个月）

3. **实践应用延伸**：
- 开发基于LPA的校园健康预警系统（预警阈值：IAT≥45且静坐≥6小时）
- 设计“互联网使用-运动处方”个性化干预方案（需结合基因检测技术）

本研究首次在中国高校群体中验证LPA模型的有效性，为理解互联网成瘾的群体异质性提供了新方法。后续研究可结合神经影像学技术（如fMRI）探究成瘾群体的脑功能网络差异，这对开发精准干预措施具有重要价值。