Global Burden Of Problematic Internet Use: An Umbrella Review and Metanalysis

本项涵盖 11 项系统评价（涉及超过 300 万个体）的伞状综述与荟萃分析估计，问题性互联网使用行为的全球患病率范围从游戏行为的 6% 到智能手机使用行为的 32% 不等，同时凸显了显著的方法学异质性以及对更高质量、地理分布更多样化研究的迫切需求。

要点

想象互联网是一座庞大、喧嚣的全球城市。大多数人穿行其中，逛商店、与朋友聊天，然后回家。但对一些人来说，这座城市变得如此迷人，以至于他们无法离开，迷失在人群中，或者将所有时间都耗费在某个特定区域，以至于损害了他们的现实生活。这篇论文就像一份巨大的“城市调查”，试图弄清楚究竟有多少人被困在这座数字城市中。

以下是研究人员发现的简化总结：

全景图：一份“综述的综述”

研究人员没有亲自走上街头询问人们，而是像侦探查阅其他侦探的笔记一样行事。他们收集了 11 份主要报告（称为“系统综述”），这些报告已经审视了数千项小型研究。随后，他们整合了这些小型研究（涉及超过 300 万人）的所有数据，以获得更清晰、更全局的图景。

这就像试图理解天气：与其亲自查看天空，不如收集过去几年的所有天气报告，检查气象预报员的可靠性，然后计算整个星球的平均气温。

发现：有多少人“被困”？

研究人员审视了互联网城市的四个不同“区域”，发现被困人数因区域不同而差异巨大：

• 游戏区（问题性游戏）： 约**6%**的人（大约每 16 人中就有 1 人）在此挣扎。这是研究最深入的领域，但其“被困”率最低。
• 通用互联网区（问题性互联网使用）： 约**16%**的人（大约每 6 人中就有 1 人）在此遇到困难。
• 社交媒体区（问题性社交媒体使用）： 约**23%**的人（大约每 4 人中就有 1 人）在此挣扎。
• 智能手机区（问题性智能手机使用）： 这是最拥挤的“被困”区域，约**32%**的人（大约每 3 人中就有 1 人）存在问题。

类比： 想象一下，如果你问人们是否沉迷于某款特定的电子游戏，6% 的人会回答“是”。但如果你问他们是否沉迷于他们的手机本身，突然就有 32% 的人回答“是”。设备本身似乎比设备上的特定游戏是更大的问题。

地图的问题：为何数据不可靠

虽然这些数字很有趣，但研究人员发现他们所使用的地图存在巨大问题。他们将所审查的 11 份报告的质量描述为“低”或“极低”。

地图之所以模糊不清，原因如下：

1. 不同的尺子： 有些研究用一把 10 英寸长的尺子测量“成瘾”，而另一些则用 20 英寸长的尺子。一项研究可能说“如果你玩 2 小时，你就是成瘾”，而另一项则说“你需要玩 10 小时”。由于规则不同，数字无法完全对齐。
2. 不同的人群： 有些研究只调查大学生，有些调查游戏玩家，还有些调查普通大众。这就像试图通过只测量篮球运动员来推测全人类的平均身高。
3. 缺失的街区： 大部分数据来自欧洲和东亚。来自非洲、美洲或东南亚的报告非常少。这就像拥有伦敦和东京的天气报告，却没有世界其他地区的数据。
4. “大流行”效应： 许多研究是在新冠疫情期间进行的，当时所有人都被困在家里使用设备。这可能导致数字看起来比正常时期更高。

“混乱”的结论

该论文得出结论：虽然全球人口中相当大的一部分可能正在与互联网使用问题作斗争，但我们尚不能信任确切的数字。

研究人员表示，我们需要：

• 统一尺子： 就“问题性使用”的确切含义达成一致，以便所有人以相同的方式测量。
• 填补空白： 去调查非洲、美洲和其他研究不足地区的人们。
• 检查工具： 确保我们向人们提出的问题确实是在测量正确的内容。

简而言之： 互联网城市非常庞大，似乎有很多人迷失其中，尤其是在手机和社交媒体上。但由于每个人都在使用不同的地图和不同的规则来统计人数，在我们能够确切说明问题的严重程度之前，我们需要构建一个更好、更一致的地图。

技术摘要

技术摘要：问题性互联网使用的全局疾病负担

问题陈述
互联网的普遍影响重塑了全球互动，但同时也引入了一个重大的公共卫生问题：问题性互联网使用（PUI）。PUI 涵盖了一系列异质性的行为集合，包括问题性游戏、社交媒体使用、智能手机使用、色情内容使用以及在线购物。尽管 PUI 作为一种导致社会、职业和心理健康受损的状况已日益受到认可，但其全球疾病负担仍不明确。现有的患病率估计值差异巨大（从 1% 到 27%），这主要是由操作定义的差异、测量工具的不同、研究人群的多样性以及地理代表性的不足所驱动。先前的证据综合往往聚焦于特定的亚型（例如“网络成瘾”或“游戏障碍”），缺乏一个全面的伞状综述来协调这些不同的概念化定义，或评估基础证据的方法学质量。因此，由于缺乏精确、可比且高质量的流行病学数据，将 PUI 纳入公共政策议程的进程受到阻碍。

方法学
本研究采用伞状综述方法，遵循 JBI 指南和 PRISMA 2020 报告标准。研究团队对六个数据库（MEDLINE、Embase、Scopus、Web of Science、CINAHL 和 Cochrane 综述图书馆）从建库至 2026 年 2 月的文献进行了全面检索。

• 纳入标准： 综述纳入了报告 PUI 行为（游戏、一般互联网使用、社交媒体、智能手机、性短信）患病率估计值的系统综述和荟萃分析（以及一篇范围综述），涵盖任何地理区域、时间段或人口群体。仅纳入英文研究。为便于定量综合，排除了叙述性综述和批判性综述。
• 数据提取与质量评估： 数据从 11 篇纳入的综述中提取，代表了 1,109 项原始研究和超过 310 万名个体。使用 AMSTAR-2 工具对纳入综述的方法学质量进行了严格评价，将置信度等级分类为高、中、低或极低。
• 荟萃分析： 为生成汇总的全球患病率估计值，作者从纳入的综述中提取了非重叠的原始研究。使用校正覆盖面积（CCA）评估重叠情况。采用带有双反正弦变换的随机效应荟萃分析，对四种主要亚型的患病率估计值进行合并：问题性游戏、问题性互联网使用、问题性智能手机使用和问题性社交媒体使用。异质性使用 $I^2$ 进行测量，并通过漏斗图检查小样本效应。

主要贡献

• 首个全面伞状综述： 这是首项在全球背景下综合现有证据综述的关于 PUI 流行病学（涵盖性短信、一般互联网使用、游戏、社交媒体和智能手机五大类）的研究。
• 方法学评价： 本研究对现有 PUI 文献的质量进行了批判性评估，结果显示，根据 AMSTAR-2 标准，10 篇系统综述中有 9 篇被评定为“低”或“极低”置信度。
• 协调后的患病率估计值： 通过重新分析非重叠的原始数据，本研究提供了汇总的全球患病率估计值，这些估计值考虑了先前综合结果的异质性。
• 识别差距： 综述强调了研究重点（严重偏向游戏）、地理代表性（集中在欧洲和东亚）以及缺乏标准化诊断标准和测量工具方面的显著差异。

结果

• 患病率估计值： 四种分析亚型的汇总全球患病率估计值如下：
  • 问题性游戏： 6%（95% CI，5%–7%）
  • 问题性互联网使用： 16%（95% CI，15%–17%）
  • 问题性智能手机使用： 32%（95% CI，28%–35%）
  • 问题性社交媒体使用： 23%（95% CI，19%–28%）
• 异质性： 所有亚型均观察到显著的 study 间异质性（$I^2 > 99\%$），反映了研究方法、抽样人群和 PUI 定义方面的差异。
• 证据质量： 批判性评价表明，大多数纳入的综述存在方法学缺陷，特别是未能包含带有理由的排除研究列表（占综述的 70%）以及缺乏预先制定的方案（占综述的 40%）。
• 地区和人口趋势： 研究高度集中在欧洲和西太平洋地区，来自非洲、美洲和东南亚的数据稀缺。在各亚型中识别出的风险因素包括年龄较大、男性性别和心理困扰。
• 漏斗图不对称性： 漏斗图不对称的证据表明存在小样本效应，意味着小型研究可能报告比大型研究更高的患病率。

意义与主张
该论文声称，PUI 行为影响了全球人口的相当大比例，患病率因亚型而异（从游戏的 6% 到智能手机使用的 32% 不等）。然而，作者强调，由于基础证据综合的方法学质量为“低”或“极低”，这些发现必须谨慎解读。

该研究断言，当前 PUI 研究处于碎片化状态，缺乏协调一致的概念化和标准化的测量工具。作者得出结论，尽管 PUI 是一个紧迫的数字公共卫生问题，但目前的证据基础尚不足以支持精确的政策制定。他们呼吁：

1. 高质量的流行病学研究： 特别是在代表性不足的地区（中低收入和低收入国家）以及研究不足的亚型（社交媒体、智能手机、色情内容）。
2. 标准化： 制定清晰的定义和 PUI 行为的标准化标准，以减少未来研究中的异质性。
3. 代表性抽样： 从便利抽样或滚雪球抽样转向稳健的、具有代表性的人群样本，以生成更准确的患病率估计值。

该论文并未将自己定位为 PUI 测量的终极解决方案，而是将其视为识别必须解决的差距和方法学局限性的关键一步，从而为公共卫生干预建立可靠的基础。