在数字技术无处不在的今天，睡眠问题已成为严峻的公共健康挑战。传统研究多关注单一技术行为与睡眠之间的孤立关系，而忽略了各种数字因素之间复杂的相互作用。本研究创新性地运用网络分析，旨在通过揭示技术使用行为与睡眠问题之间的网络化结构，填补这一知识空白。
1. 背景
流行病学数据显示，在技术发达社会，超过45%的成年人受到睡眠问题困扰，这一增长趋势与数字技术使用的急剧上升同步。尽管已有研究从时间生物学、认知心理学等角度探讨了技术使用与睡眠的关系，例如确认了夜间设备蓝光会抑制褪黑素分泌、延迟睡眠 onset，但现有模型往往难以捕捉现代数字行为及其对睡眠影响的复杂互联本质。本研究提出三个核心假设：1. 蓝光暴露（BLE）将与睡眠问题（SP）显示出最强的直接关联；2. 屏幕时间（ST）、睡前设备使用（BED）等远端因素与睡眠问题的直接关联较弱，但会通过中介变量产生显著的间接通路；3. 在线游戏成瘾（OGA）、数字信息过载（DIO）等因素将表现出中等程度的中心性指标，提示其作为连接远端因素与睡眠结果的桥梁症状的潜在作用。
2. 方法
本研究通过Credamo平台，采用分层随机抽样招募了9443名中国成年人（18-65岁）作为样本。研究排除了已确诊睡眠障碍、从事轮班工作或近期有跨时区旅行史的参与者，以最小化对自然睡眠模式的混杂影响。参与者完成了涵盖屏幕时间（ST）、睡前电子设备使用（BED）、电子设备依赖（EDD）、社会媒体焦虑（SMA）、数字信息过载（DIO）、虚拟社交压力（VSP）、蓝光暴露（BLE）、昼夜节律紊乱（CRD）、在线游戏成瘾（OGA）、工作-生活数字整合（WLDI）和睡眠问题（SP）共11个维度的标准化量表评估。
数据分析采用R软件中的qgraph、bootnet等包进行网络分析。通过结合图形LASSO和扩展贝叶斯信息准则（EBIC）的方法，估计了一个正则化的偏相关网络。在该高斯图模型（GGM）中，节点代表观测变量，边则代表在控制了网络中所有其他变量后，两个节点之间的偏相关系数。此外，研究计算了强度、中介度和接近度三种中心性指标，以及节点可预测性（R2），并采用案例剔除自助法评估了网络的稳定性。
3. 结果
3.1 网络结构与边权重
网络分析揭示了技术相关因素与睡眠问题之间复杂的互联关系。在与睡眠问题（SP）相连的所有非零边中，蓝光暴露（BLE）显示出最强的直接边权重（r = 0.31），其次是昼夜节律紊乱（CRD）（r = 0.26）。相比之下，屏幕时间（ST）、睡前设备使用（BED）、电子设备依赖（EDD）、虚拟社交压力（VSP）和工作-生活数字整合（WLDI）与睡眠问题的直接关联较弱，但它们通过中间变量（如CRD和BLE）展现了显著的间接通路。在线游戏成瘾（OGA）、数字信息过载（DIO）、社会媒体焦虑（SMA）和昼夜节律紊乱（CRD）则表现出中等程度的中心性指数，表明它们在网络中扮演着潜在中介者的角色。
3.2 相关性矩阵与偏相关矩阵的比较
对比零阶相关矩阵和偏相关（边权重）矩阵发现，在控制网络中的其他变量后，许多关联性显著减弱。例如，屏幕时间（ST）与睡眠问题（SP）的零阶相关系数为r = 0.42，但在网络中的边权重仅为r = 0.03，减弱了93%。这表明，远端技术因素与睡眠问题之间共享的方差，很大程度上被网络中的其他变量（特别是CRD和BLE等中介因素）所解释。
3.3 关于蓝光暴露与昼夜节律紊乱
尽管从生理学上看，蓝光暴露（BLE）是影响昼夜节律的主要途径，但BLE与CRD之间的边权重为中等（r = 0.18）。这可能是因为，BLE量表主要捕捉的是光暴露的行为模式，而CRD量表评估的是昼夜节律失调的主观体验，二者代表了因果通路中的不同层面。尽管如此，BLE和CRD都与SP保持着较强的直接关联。
3.4 节点可预测性
睡眠问题（SP）节点的可预测性R²高达0.74，意味着网络中其相邻节点可以解释其73.5%的方差。所有节点的平均可预测性为R² = 0.65，表明这是一个连接紧密、相互依赖的网络结构。
3.5 中心性分析
中心性分析显示，在线游戏成瘾（OGA）具有最高的强度中心性，蓝光暴露（BLE）其次。同时，BLE具有最高的中介中心性，表明它是网络中连接其他变量的关键桥梁。睡眠问题（SP）则具有最高的接近中心性，意味着其状态变化能最快地传播到网络中的其他变量。自助法分析表明网络估计具有良好的稳定性。
3.6 假设检验总结
研究结果支持了全部三个假设。假设一（H1）成立，蓝光暴露（BLE）与睡眠问题（SP）的直接边权重最强。假设二（H2）成立，屏幕时间（ST）等远端因素与SP的直接边权重较弱，表明其影响主要通过中介变量实现。假设三（H3）成立，在线游戏成瘾（OGA）等节点表现出中等中心性，起到了连接远端因素与睡眠结果的桥梁作用。
4. 讨论
4.1 蓝光暴露作为近端因素
蓝光暴露（BLE）与睡眠问题（SP）的强直接关联，与其通过激活视网膜内在光敏神经节细胞抑制褪黑素分泌的已知生理通路一致。其较高的中介中心性表明，它是其他技术使用因素影响睡眠的关键通道。因此，针对蓝光暴露的干预（如使用滤蓝光软件、调整设备设置、建立睡前屏幕禁用期）可能特别有效。
4.2 中介因素：心理与行为桥梁
在线游戏成瘾（OGA）、数字信息过载（DIO）、社会媒体焦虑（SMA）和昼夜节律紊乱（CRD）作为中介因素，既有通向睡眠问题的直接路径，也与更远端的技术使用变量相连。值得注意的是，在线游戏成瘾（OGA）与社会媒体焦虑（SMA）之间存在显著的负偏相关（r = -0.19），这可能意味着高游戏投入是应对或逃避社交焦虑的一种补偿机制。数字信息过载（DIO）与昼夜节律紊乱（CRD）的正相关则凸显了认知通路的作用，信息过载可能通过维持夜晚的认知激活状态，干扰必要的睡前心理放松过程。
4.3 远端因素：通向睡眠问题的间接通路
屏幕时间（ST）、睡前设备使用（BED）等远端因素与睡眠问题的直接边权重，相比其零阶相关性大幅减弱。例如，屏幕时间（ST）与睡眠问题（SP）的关联减弱了93%。这一关键发现表明，“减少屏幕时间”这类笼统建议的效果可能不如针对特定中介机制（尤其是涉及晚间技术使用的行为）的靶向干预。
4.4 理论与实践意义
本研究采用的网络分析框架，将技术对睡眠的影响概念化为一个生理机制、心理因素和行为模式相互影响并共同决定睡眠结果的复杂系统，而非一系列独立的风险因素。这为临床实践和公共卫生干预提供了优先级指导：首要目标是针对蓝光暴露；其次应关注社会媒体焦虑（SMA）等中介心理因素；最后，干预措施应聚焦于改变技术使用的特定方面，而非笼统地减少技术接触。
4.5 局限性与未来方向
本研究的局限性包括：横断面设计无法推断因果关系；全部数据基于自我报告，可能存在回忆偏差；样本为通过线上平台招募的普通成年人，结论向临床人群的推广需谨慎；网络分析未能捕捉潜在的非线性效应；技术使用与睡眠问题之间可能存在双向关系。未来的研究可通过纵向设计、结合客观测量工具（如行为追踪、actigraphy）等方式加以完善。
5. 结论
本研究表明，技术引发的睡眠障碍是一个多维现象。蓝光暴露（BLE）在网络中占据中心位置，与睡眠问题（SP）的直接关联最强，是将其他技术因素与睡眠结果连接起来的关键桥梁。昼夜节律紊乱（CRD）、社会媒体焦虑（SMA）等中介因素，则在屏幕时间（ST）、设备依赖（EDD）等远端技术使用模式与睡眠问题之间起到了桥梁作用。这些发现为制定全面、多维度且有针对性的干预策略，以应对数字时代的睡眠挑战，提供了重要的实证依据。
