愿意使用基于视频游戏或游戏化应用的干预手段来改善或增强情绪调节能力、心理健康以及整体心理福祉

《Internet Interventions》：Willingness to use video-game or gamified application-based interventions to improve or strengthen emotional regulation, mental health, and mental well-being

　　**Germano Vera Cruz | Russell Pine | Terry Fleming | Magdalena Liberacka-Dwojak | Christelle Semaan | Elise Dan-Glauser | Monika Wi?ko??-D?bczyńska | Yasser Khazaal**
**心理学系，UR 7273 CRP-CPO，皮卡第朱尔·凡尔纳大学，法国亚眠**

**摘要**
背景：基于游戏的干预措施在心理健康方面显示出潜力，但关于人们愿意参与这些措施以及影响他们对这些方法接受度的因素的研究仍然有限。

**目的**
我们旨在：
(a) 评估人们愿意使用基于游戏的干预措施来改善情绪调节、心理健康和心理福祉的程度；
(b) 识别出具有不同参与意愿水平的参与者特征；
(c) 研究与社会人口统计学、心理学和游戏相关的因素与这种意愿之间的关联。

**方法**
我们对来自48个国家的3745名18至79岁的成年人进行了在线调查，调查内容包括社会人口统计特征、游戏习惯、冲动性、情绪调节困难、游戏障碍症状以及焦虑和抑郁症状。

**结果**
参与者表示，在情绪低落时，他们相对更愿意使用基于游戏的干预措施来改善情绪调节和心理福祉；而在感觉良好时，他们使用这些措施的意愿则较为适中（平均值分别为3.25、3.35和3.26；1表示“绝对不愿意”，4表示“绝对愿意”）。聚类分析揭示了两种不同的参与者类型：一种是“高度愿意”组（43%），另一种是“中等意愿”组（57%）。逻辑回归结果显示，年龄较轻、男性、游戏频率较高、有游戏障碍症状以及某些情绪调节困难维度显著预测了属于“高度愿意”组。相比之下，较高的冲动性和较低的情绪意识或有限的策略使用则预示着较低的意愿水平。

**结论**
大多数参与者对数字心理健康工具持开放态度，他们的意愿受到个人特质的影响，这突显了为特定群体（尤其是年轻游戏玩家）量身定制的、具有文化包容性的干预措施的价值。本研究的一个关键发现是，参与者在预防性使用基于游戏的干预措施方面的意愿低于反应性使用。这表明，预防性干预可能需要不同的激励机制，从而在设计能够提高人们在良好状态下参与度的策略时有所考虑。

**1. 引言**
在过去二十年里，视频游戏、智能手机应用程序（apps）和基于互联网的干预措施已成为心理干预和促进心理健康的潜在有用工具（Fleming等人，2017；Lecomte等人，2020；Linardon等人，2024；Zhao等人，2024）。这些发展有可能以可扩展和可访问的方式支持人们的心理健康（Andersson和Titov，2014；Linardon等人，2022）。越来越多的研究强调了数字游戏和游戏化应用程序在培养情绪意识、自我调节、行为改变和福祉方面的治疗潜力（Granic等人，2014；Kato，2017；Lin和Chang，2025；Fleming等人，2025；Domhardt等人，2021）。为了应对包括压力减轻、抑郁、焦虑和情绪调节在内的各种心理问题，已经开发了严肃游戏（专为学习或行为改变设计的完整游戏）和游戏化干预措施（将游戏元素添加到非游戏活动中以提高参与度和动机）（Warsinsky等人，2021）。尽管取得了这些进展，但在自然环境中（而非受控研究环境中）采用和持续参与数字和基于游戏的心理健康干预措施仍然是一个挑战（Baumel等人，2019a；Fleming等人，2018）。先前的研究表明，参与数字干预的意愿受到感知有用性、可访问性、隐私担忧、污名化以及个体在情绪调节、冲动性、症状严重程度和之前使用其他数字和游戏工具的经验等因素的影响（Deleuze等人，2019；Diaz-Orueta等人，2020；Kidman等人，2024；Liu等人，2025；Torus等人，2018a；Vera Cruz等人，2023a；Vera Cruz等人，2023b）。然而，这些决定因素的相对重要性在不同个体、人群和使用情境中差异很大，限制了现有研究结果的普遍适用性，并使预测兴趣或采用率及持续参与度变得复杂（Vera Cruz等人，2023a；Vera Cruz等人，2023b）。此外，并非所有人都认为基于游戏的工具是改善心理健康的合法或有效手段（Kowert，2020；Fleming等人，2019）。了解哪些人最愿意使用这些干预措施以及原因，对于优化其设计、传播和临床应用至关重要。

**情绪调节**
情绪调节是指监控、评估和调整情绪反应的能力，是心理健康的核心组成部分（Gross，2015）。情绪调节困难与多种心理病理学问题有关，包括情绪和焦虑障碍、物质使用以及行为成瘾（Aldao等人，2010；Kim等人，2024；Stellern等人，2023；Chrétien等人，2025；Kraft等人，2025）。鉴于许多视频游戏自然地涉及情绪和认知调节过程，基于游戏的干预措施可能在吸引人和激励的情境中提供独特的训练适应性调节策略的机会（Villani等人，2018；Pine等人，2020）。然而，关于个体的情绪调节能力、冲动性水平和游戏习惯与其是否愿意使用这些工具来促进个人心理成长和福祉之间的关联知之甚少。

**以往研究**
以往的研究往往侧重于特定数字干预措施或应用程序的有效性（Vera Cruz等人，2023a；Firth等人，2017；Lau等人，2021；Etter和Khazaal，2023），以及开始使用这些措施后的依从性或保持率。然而，很少有研究专门探讨使用视频游戏或游戏化应用程序的意愿或兴趣——这是持续参与的前提条件，而且很少有研究在大型多样化样本中考察这种兴趣，也没有识别出具有不同意愿水平或心理特征的潜在用户群体。具体来说，研究这些工具的参与意愿及其相关因素有助于根据用户需求定制数字干预措施，从而提高其可接受性和有效性。

**1.1 本研究**
本研究旨在通过考察人们使用基于视频游戏或游戏化应用程序的干预措施（以下简称“基于游戏的干预措施”）来改善情绪调节、心理健康和心理福祉的意愿，来填补这些空白。利用来自3745名成年人的国际样本数据，我们试图：
(a) 评估参与者整体上愿意参与基于游戏的干预措施的程度；
(b) 识别出具有不同意愿水平的参与者特征；
(c) 探究与社会人口统计学、心理学和游戏相关的因素与这种意愿之间的关联。具体而言，该研究关注了性别、年龄、就业状况、冲动性、情绪调节困难以及自我报告的心理健康问题等个人特征，以及与游戏相关的因素（游戏频率和主要游戏设备）。通过回答这些研究问题，该研究有助于更好地理解个体差异如何影响人们对基于游戏和基于互联网的心理健康干预措施的接受度，为未来数字疗法的发展和有针对性的实施提供见解。

**研究问题（RQs）：**
a) 参与者愿意在多大程度上使用基于游戏的干预措施来改善或增强情绪调节、心理健康和心理福祉？
b) 根据参与者使用基于游戏的干预措施来改善或增强情绪调节、心理健康和心理福祉的意愿水平，能否将他们分为不同的群体（子群体）？
c) 哪些个人特征（社会人口统计特征[性别、年龄、就业状况]、心理特征[冲动性、情绪调节困难、游戏“成瘾”、心理健康和物质使用诊断]以及游戏习惯[游戏频率、主要游戏设备]与使用基于游戏的干预措施来改善或增强情绪调节、心理健康和心理福祉的意愿有关？

**2. 方法**
**2.1 参与者**
纳入标准要求参与者年龄在18岁及以上，并且英语流利（调查使用英语进行）。招募对象包括三个子样本：
(1) 每周至少玩3小时的年轻游戏玩家（18-25岁，n = 1700，46.1%）；
(2) 有抑郁或焦虑病史的年轻游戏玩家（18-25岁，每周至少玩3小时，n = 1312，35.6%）；
(3) 无游戏习惯或心理健康史的一般人群样本（18-79岁，n = 673，18.3%）。抽样策略导致前两组中女性比例较高（1113名男性对比1899名女性）。这一选择基于多项先前的研究结果（Vera Cruz等人，2023b；Szinay等人，2020；Lipschitz等人，2020），这些研究表明，高度依赖智能手机使用的人和对自身心理健康有顾虑的人更可能使用智能手机应用程序来维护心理健康和福祉；同时也有研究表明年轻人群体和女性更可能使用此类工具。

**2.2 招募**
招募工作通过在线众包平台Prolific进行（Prolific，2023）。与其他类似平台相比，Prolific具有某些优势，例如它专门用于研究，并且参与者在种族和地理上更加多样化（Palan和Schitter，2018；Peer等人，2017）。

**2.3 测量工具**
在线调查包括以下测量内容：
**社会人口统计特征**：包括性别（男性、女性）、年龄和就业状况。
**使用基于互联网的游戏的时间**：参与者需要说明在工作日和周末通常玩基于互联网的游戏的时间。
**互联网游戏障碍症状**：使用《互联网游戏障碍测试》（IGDT-10（Király等人，2017）），这是一种用于评估互联网游戏障碍的单一维度筛查工具，该工具基于《精神疾病诊断与统计手册》第五版（DSM-5（美国精神病学协会，2013））。每个条目都附有3点评分量表（从未–经常）。在本研究中，该量表的Cronbach alpha系数为0.83。
**情绪调节困难**：使用6项的《情绪调节困难简短量表》（DERS-SSF；Thuillard等人，2025；Bjureberg等人，2016；Gratz和Roemer，2004）的英文版本。该工具包含6个维度：
(a) 不接受情绪反应（指抗拒或厌恶体验和接受不愉快的情绪）；
(b) 在采取目标导向行为方面的困难（指在尝试实现特定目标或期望结果时可能遇到的挑战）；
(c) 控制冲动行为的困难（指个体在控制由情绪引发的冲动行为时遇到的困难）；
(d) 情绪意识缺乏（指难以识别和认识自己的情绪）；
(e) 情绪调节策略有限（指可用的情绪管理策略较少，导致难以应对情绪困扰和调节情绪）；
(f) 情绪清晰度缺乏（与情绪意识缺乏类似，但更侧重于难以理解不同情绪状态之间的差异）。每个维度都有一个条目，采用5点评分量表（几乎从不–几乎总是）。在本研究中，该量表的α值为0.72。
**冲动性**：使用《UPPS-P冲动行为量表》（Billieux等人，2012）进行测量。该量表用于评估可能导致冲动行为的因素。参与者使用4点李克特量表回答每个条目：1（强烈同意），2（有些同意），3（有些不同意），4（强烈不同意）。
**积极紧迫感**：衡量由于积极情绪而表现出冲动行为的倾向。在本研究中，有两个条目对此得分有贡献（例如，“当我情绪高涨时，我往往会陷入可能带来问题的情境”）。
**消极紧迫感**：衡量由于消极情绪而表现出冲动行为的倾向。也有两个条目对此得分有贡献（例如，“当我感到不安时，我常常不加思考就行动”）。缺乏预谋指的是在没有先考虑行动决定之前就贸然行动的倾向。有两个项目对这一得分有贡献（例如：“我不是那种不加思考就脱口而出事情的人”）。缺乏毅力指的是不完成项目的倾向。也有两个项目对这一得分有贡献（例如，一个反向编码的例子项目：“未完成的任务真的让我很烦恼”）。寻求刺激指的是体验新事物的动机。有两个项目对这一得分有贡献（例如：“我想学习驾驶飞机”）。在本研究中，该量表的上述维度的α值分别为0.73、0.81、0.65和0.78。由于每个维度有两个项目，正如Eisinga等人（2013年）所推荐的，我们还计算了每个维度的Spearman-Brown系数作为可靠性的度量：分别为0.73、0.81、0.64和0.78。

心理健康问题是通过4项的《患者健康问卷-焦虑和抑郁》（PHQ-4（L?we等人，2010年）来评估的，该问卷旨在评估：焦虑（“在过去的两周里，你有多经常受到以下问题的困扰？感到紧张、焦虑或不安”）；以及抑郁（“在过去的两周里，你有多经常受到以下问题的困扰？感到沮丧、抑郁或绝望”），回答选项是一个4点量表（完全不–几乎每天）。在本研究中，该量表的这两个维度的α值分别为：焦虑=0.87；抑郁=0.83。此外，参与者还自我报告了他们是否曾寻求过心理健康问题的帮助，以及他们是否曾被诊断出有心理健康或物质使用问题。

关于使用基于游戏的干预措施的有用性和意愿，参与者被要求在一个1（强烈反对）到5（强烈同意）的回答量表上表明他们对“视频游戏、应用程序或基于游戏的应用程序干预措施可以用来改善心理健康”的同意程度。最后，有四个项目询问了参与者使用视频游戏来（a）改善情绪调节困难；（b）改善心理健康；（c）在感到沮丧时增强心理健康；以及（d）在已经感觉良好的情况下维持/增强心理健康的意愿。使用了4点量表（绝对不会，可能不会，可能会，肯定会），高分表示更高的意愿水平。

需要注意的是，尽管上述四个具体项目之前没有作为标准化量表进行过验证，但它们的内容有效性已经得到了仔细考虑。每个项目都是为了捕捉使用基于游戏的干预措施意愿的一个独特且理论上有意义的维度（即情绪调节、心理健康改善以及在负面和正面状态下的幸福感提升），从而确保了对这一构念的充分概念覆盖。

2.4. 伦理
参与者为参与研究和完成调查提供了数字形式的知情同意。参与是自愿的，并且仅限于年龄≥18岁的人。所有数据都是匿名收集的。本研究遵循了《赫尔辛基宣言》——涉及人类受试者的医学研究的伦理原则（世界医学协会（WMA），1964年）。该研究项目已经获得了比德哥什奇卡齐米日·维尔基大学伦理委员会的伦理批准（编号8/18.11.2025）。

2.5. 数据分析
为了回答研究问题1（RQ1），我们对研究中包含的所有变量进行了描述性统计（平均值[M]、标准差[SD]和频率）。
为了回答研究问题2（RQ2），我们使用了K均值聚类分析（Everitt等人，2011年），使用了四个关于使用视频游戏意愿的测量指标（改善情绪调节困难；改善心理健康；在感到沮丧时增强心理健康；在已经感觉良好的情况下维持/增强心理健康）。聚类分析特别适合解决这个问题，因为它能够根据参与者对使用基于游戏的干预措施的意愿的反应模式来识别出同质的子群体。与假设样本中态度均匀分布不同，这种以个人为中心的方法允许检测到在意愿或不愿意程度上可能有显著差异的独特特征。这样的特征分析可以提供对参与倾向变异性的更深入理解，并为针对特定子群体制定定制的干预策略提供信息。与基于中位数分割的方法相比，后者强加了一种任意二分法并减少了变异性，聚类分析保留了信息，识别了数据驱动的子群体，捕捉了多维模式，并揭示了多个有意义的特征，为理解对基于游戏的干预措施的异质性意愿提供了更准确和实用的方法。
霍普金斯统计量值（H = 0.75）表明了强烈的聚类倾向，从而支持了将聚类分析应用于我们数据的适当性（Lawson和Jurs，1990年；Drab和Daszykowski，2014年）。此外，使用Gap统计量（Everitt等人，2011年）支持了基于模型拟合而不是假设选择的两聚类解决方案（见补充材料中的图S1和S2）。重要的是，对聚类中心的检查（见补充材料中的表S3和S4）揭示了跨维度的系统差异，这些差异会通过一维二分法被掩盖。

为了回答研究问题3（RQ3），我们创建了一个二元逻辑回归模型（LG Model-1），其中包括参与者的社会人口统计特征（性别、年龄、就业状况）、心理特征（冲动性得分、情绪调节困难、游戏成瘾、心理健康和幸福感变量），以及使用视频游戏和基于互联网的干预措施来改善情绪调节、心理健康和幸福感的意愿的聚类作为预测变量，结果作为因变量。这是基于之前分析的结果，并包括两个聚类：聚类1（高意愿子群体）和聚类2（中等意愿子群体）。在建模之前进行的皮尔逊相关矩阵显示没有多重共线性，因为没有系数超过0.70（Vatcheva等人，2016年）。该模型旨在预测属于“高意愿组”（编码为1），以“中等意愿组”（编码为0）作为参考类别。

关于LR Model-1，需要注意的是，与抽样设计相关的变量（“参与者群体”）被操作化为两个二分预测变量：（a）有抑郁/焦虑史的18-25岁游戏玩家与没有此类历史的18-25岁游戏玩家；以及（b）18-79岁的普通人群与18-25岁的游戏玩家。此外，参与者的实际年龄和游戏频率作为连续变量被包括在内，反映了他们的原始测量值，而不是从招募策略中得出的分组变量。还必须指出，逻辑回归模型包括了两个不同的抑郁/焦虑变量：（a）与抽样策略和群体成员身份相关的终身抑郁/焦虑发作史的二分指标；以及（b）使用PHQ测量的当前抑郁症状，作为序数预测变量。最后，我们通过估计第二个逻辑回归模型（LG Model-2）进行了敏感性分析，该模型排除了两个与抽样相关的参与者群体预测变量。这种方法使得能够比较两个模型的发现。

描述性分析是使用IBM SPSS Statistics（2025）进行的。聚类分析是使用R统计编程（包“snowCluster”和“factoextra”（Seol，2024；Kassambara和Mundt，2020；R Core Team，2022）进行的。逻辑回归建模是使用Jamovi软件（版本2.4（The Jamovi Project，2023）进行的。

3. 结果
3.1. 使用视频游戏和基于游戏的应用程序来改善或增强情绪调节、心理健康和幸福感的意愿（RQ1）
表1展示了参与者在主要测量指标上的描述性结果。补充材料中的表S2显示了所有研究变量的详细描述性统计。如表1所示，参与者在1（强烈反对）到5（强烈反对）的量表上表示同意“视频游戏、应用程序或基于游戏的应用程序干预措施可以用来改善心理健康”（平均分=4.06）。此外，表1还显示，在1（绝对不会）到4（肯定会）的量表上，参与者表示出使用基于游戏的干预措施来改善/增强情绪调节（平均分=3.25）、改善心理健康（平均分=3.35）、在感到沮丧时发展/增强幸福感（平均分=3.26），以及在感觉良好时维持/增强幸福感（平均分=2.93）的适度到高度的意愿——考虑到1-4量表的中间点（2分）。

表1. 研究主要变量的描述性统计。
变量 N 最小值 最大值 平均值 标准差 频率
参与者群体 18-25岁的游戏玩家 = 170 46.1%；
有抑郁和/或焦虑史的18-25岁游戏玩家 = 131 35.6%；
非游戏玩家的普通人群 = 67 31.6%；
社会人口统计 年龄 37 45 18-79 30.94 12.76
性别 男性 = 149 39.80% 女性 = 225 60.20%
就业状况 全职工作 = 125 39.3% 兼职工作 = 69 21.6%；
失业（正在找工作） = 61 19.2%；
没有有偿工作（例如：做家务、退休或残疾） = 36 11.3%；
下个月开始新工作 = 55 1.7%； 其他 = 22 6.9%
游戏频率 每天玩视频游戏的时间 30 60 2-5 3.64 1.16
工作日玩视频游戏的时间 36 85 0-12 13.50 12.26
周末玩视频游戏的时间 37 42 0-60 7.93 6.31
互联网游戏障碍测试-10（IGDT-10） IGDT总分 36 85 1-31.6 30.39
冲动行为量表（UPPS-P） UPSP-P的紧迫感平均分 36 78 1-5 2.43 0.93
UPPS-P的预谋平均分 36 78 1-5 2.47 0.91
UPPS-P的坚持平均分 36 78 1-5 2.67 0.88
UPPS-P的寻求刺激平均分 36 78 1-5 2.77 4 1.02
UPPS-P总分 36 78 1-5 2.90 0.52
《患者健康问卷-焦虑和抑郁》（PHQ-4） PHQ的焦虑平均分 36 74 1-4 2.24 0.94
PHQ的抑郁平均分 36 74 1-4 2.09 0.90
情绪调节困难量表超简版（DERS-F-SSF-6） DERS-Item1（意识） 36 66 1-5 2.41 1.06
DERS-Item2（清晰度） 36 66 1-5 2.37 1.13
DERS-Item3（目标） 36 66 1-5 3.29 1.22
DERS-Item4（不接受） 36 66 1-5 2.56 1.28
DERS-Item5（策略） 36 66 1-5 2.32 1.14
DERS-Item6（冲动） 36 66 1-5 1.95 1.07
DERS总分 36 66 1-5 2.58 0.77
使用游戏/应用程序/程序来改善幸福感的效用和意愿 认为视频游戏、基于游戏的应用程序或基于互联网的程序可以用来改善心理健康的同意程度 36 62 1-5 4.06
使用视频游戏、应用程序和基于互联网的干预措施来发展或增强心理健康的意愿 36 61 1-4 3.35
使用视频游戏、应用程序和基于互联网的干预措施来发展或增强情绪调节的意愿 36 63 1-4 3.25
在感到沮丧时使用视频游戏和基于互联网的干预措施来发展或增强心理健康的意愿 36 56 1-4 3.26
在感觉良好时使用视频游戏或基于游戏的应用程序来维持/增强心理健康的意愿 36 55 1-4 2.93

心理健康问题 被诊断出有心理健康问题 37 45 否 = 199 54.4%； 是 = 167 45.6%
被诊断出有物质使用成瘾 37 45 否 = 347 94.9%； 是 = 188 5.1%
注：N = 参与者数量。Min–Max = 最小值–最大值。SD = 标准差。

3.2. 根据参与者使用视频游戏和基于游戏的应用程序来发展或增强情绪调节、心理健康和幸福感的意愿水平的不同特征（RQ2）
聚类分析产生了两个明显不同的聚类。如图1所示（显示了两个聚类中变量的平均值），聚类1（n = 1564，43%；总参与者 = 3637，100%）表明这个子群体的参与者使用基于游戏的干预措施来改善心理健康的意愿相对较高（即：改善情绪调节困难、改善心理健康、在感到沮丧时增强幸福感、在已经感觉良好的情况下维持/增强幸福感）。相反，聚类2（n = 2073，57%；总参与者 = 3637，100%）表明这个子群体的参与者使用基于游戏的干预措施来改善心理健康的意愿处于中等水平。

下载：下载高分辨率图片（57KB）
下载：下载全尺寸图片
图1. 聚类之间的平均值图。在纵轴上，是聚类分析中包含的四个变量的平均值（4点量表）。在横轴上，是聚类分析中包含的四个变量：IER = 使用视频游戏和基于游戏的应用程序来改善情绪调节的意愿；IMH = 使用视频游戏和基于游戏的应用程序来改善心理健康的意愿；SWBD = 在感到沮丧时使用视频游戏和基于游戏的应用程序来改善幸福感的意愿；SWBG = 在已经感觉良好的情况下使用视频游戏和基于游戏的应用程序来增强幸福感的意愿。聚类1 = 使用视频游戏、应用程序和基于互联网的干预措施来改善心理健康的意愿水平较高。聚类2 = 使用视频游戏和基于游戏的应用程序来改善心理健康的意愿水平中等。

补充材料中的表S3展示了与聚类中心点相关的统计信息。补充材料中的表S4展示了跨聚类的基于游戏干预措施的意愿的描述性统计（平均值和标准差），以及比较两个聚类之间平均差异的推断统计（独立样本t检验）。补充材料中的图S2显示了所选的两聚类解决方案的图形表示。

3.3. 预测聚类归属的变量（RQ3）
表2显示了预测变量-结果关系的二元逻辑回归模型。以下是模型性能统计：准确率=0.76，表示76%的良好预测；伪R平方（Nagelkerke's R2）=0.32，表示模型的预测变量解释了标准（结果）变量变化的32%（Menard，2002）。

表2. 预测变量与聚类之间的关系：二元逻辑回归结果。
预测变量 估计值（b） 标准误 Z值 OR 95%置信区间
下限 上限
18-25岁的有抑郁/焦虑史的游戏玩家与没有抑郁/焦虑史的18-25岁游戏玩家 0.51 10.07 4 6.84 <0.001 1.66 7 1.44 0 1.93
18-79岁的普通人群与18-25岁的游戏玩家 -0.71 3 0.10 1 -7.04 <0.001 0.49 0 0.40 2 0.59
社会人口统计 年龄 37 45 0.01 2 0.00 6 1.92 0.05
性别 37 45 男性 vs. 女性 0.44 4 0.12 3 3.58 <0.001 1.55 9 1.22 3 1.98
就业状况 37 45 失业（正在找工作） vs. 其他 -0.05 5 0.17 5 -0.31 0.75 2 0.94 6 0.67 1 1.33
没有有偿工作（例如：做家务、退休或残疾） vs. 其他 0.18 9 0.21 1 0.89 0.37 2 1.20 8 1.83
下个月开始新工作 vs. 其他 0.31 5 0.33 1 0.95 0 其他0.0650.1680.390.6951.0680.7681.485游戏使用频率每天玩电子游戏的小时数3060?0.0050.038?0.140.8840.9940.9231.071每周（工作日？）玩电子游戏的小时数36850.0090.0042.020.0431.0091.0001.018周末玩电子游戏的小时数3742?0.0000.008?0.060.9450.9990.9831.016互联网游戏障碍测试-10（IGDT-10）IGDT平均得分36850.5590.1304.28<0.0011.7501.3552.262冲动行为量表（UPPS-P）UPPS-P的紧迫性平均值36780.0450.0570.790.4271.0470.9351.172UPPS-P的缺乏预谋平均值3678?0.0950.052?1.820.0690.9090.8211.007UPPS-P的缺乏毅力平均值3678?0.1640.049?3.31<0.0010.8480.7690.935UPPS-P的寻求刺激平均值3678?0.1750.043?4.05<0.0010.8390.7710.913患者健康问卷焦虑和抑郁（PHQ-4）PHQ的焦虑平均值36740.0200.0640.310.7491.0210.9001.158PHQ的抑郁平均值36740.00100.0052.030.04291.0101.0001.020情绪调节困难量表超简短形式（DERS-SSF）DERS-项目1（意识）3666?0.2250.042?5.32<0.0010.7980.7350.867DERS-项目2（清晰度）36660.0320.0430.740.4581.0330.9481.126DERS-项目3（目标）36660.1030.0432.400.0161.1101.0191.208DERS-项目4（不接受）36660.1110.0382.890.0041.1181.0361.205DERS-项目5（策略）3666?0.0980.047?2.070.0380.9060.8250.995DERS-项目6（冲动）3666?0.0030.047?0.080.9350.9960.9071.094心理病理学诊断被诊断出有心理健康问题3745是 vs. 否0.124260.096441.28850.1981.1320.9371.368被诊断出有物质使用成瘾3745是 vs. 否0.189290.186981.01240.3111.2080.8381.743注意。估计值代表“簇=1”与“簇=0”的对数几率。N=参与者数量。b=贝塔系数。Z=z值。p=显著性值（<0.05）。OR=比值比。CI=置信区间。VS=对比。比值比（OR）值是贝塔（beta）系数的指数。要解释它，例如，OR=2.30意味着属于目标子组（高意愿组）的概率是另一个子组（中等意愿组）的2.30倍；OR=1.75意味着概率增加了75%；OR=0.84意味着概率减少了16%。如表2所示，有抑郁/焦虑史的18-25岁玩家比没有抑郁/焦虑史的18-25岁玩家更有可能属于簇1（报告更高的意愿）（OR=1.66，p<0.001）。此外，有抑郁/焦虑史的18-25岁玩家比18-79岁的普通人群更有可能属于簇1；同样，没有抑郁/焦虑史的18-25岁玩家与18-79岁的普通人群相比也更有可能属于簇1。男性参与者比女性更有可能属于簇1（OR=1.55，p<0.001）。在统计显著性方面，如果参与者在周末花费更多时间玩电子游戏（OR=1.01，p=0.043），在IGD-10上得分较高（OR=1.75，p<0.001），在情绪反应的非接受维度上得分较高（OR=1.11，p=0.016）或在情绪调节困难的维度上有困难，或者在PHQ的抑郁维度上得分较高（OR=1.01，p=0.042），他们也更有可能属于簇1。相比之下，在缺乏毅力和寻求刺激的维度上得分较高的参与者更有可能属于簇2。在情绪调节困难的维度上对情绪无意识和策略使用有限的参与者也更有可能属于簇2（分别为OR=0.79，p<0.001；OR=0.90，p=0.038）。最后，敏感分析——LR模型-2（不包括两个模型化组参与者的预测变量的逻辑回归模型；见补充材料中的表S5）得出的结果与LR模型-1的结果相同（我们上面报告的结果）。4. 讨论4.1. 使用基于游戏的干预措施的意愿水平本研究调查了个体在使用旨在改善情绪调节、心理健康和福祉的基于游戏的干预措施方面的意愿，样本范围广泛。总体而言，研究结果显示，人们对这些干预措施的意愿相对较高，特别是在心理健康问题、情绪调节以及感觉不佳时改善福祉方面（而在已经感觉良好的情况下，使用基于游戏的干预措施的意愿略低）。参与者更同意强调视频和游戏化应用程序工具对改善心理健康和情绪调节有用的陈述，这表明这些工具越来越被视为促进心理健康的合法手段。这些发现与先前的研究结果一致，即数字心理健康工具的接受度正在增加，尤其是在年轻人和已经熟悉游戏环境的人群中（Firth等人，2017；Lau等人，2021）。4.2. 意愿概况聚类分析确定了两种不同的参与者概况。第一个簇占受访者的约43%，由那些相对愿意使用数字和基于游戏的干预措施的个体组成。第二个簇（57%）则表现出中等意愿和对这些技术更为谨慎的态度。这种二分法反映了早期的发现，即个体不仅在接触或熟悉数字工具方面存在差异，而且在这些工具对自我护理的动机和感知相关性方面也存在差异（Linardon等人，2024）。重要的是，本研究通过在一个异质性的全球样本中实证地识别了这些概况，而不是假设用户接受度是同质的。需要强调的是，这项研究明确识别出了两个主要群体：一个是对游戏和游戏化应用程序相关干预措施有较高意愿和开放性的群体，另一个是对这些技术持中等意愿并持犹豫或矛盾态度的群体。这一二分法得到了实证研究的支持，这些研究表明，参与度和接受度并不相同，而是根据个体的动机、感知相关性和投入数字干预措施的努力能力而变化（Zainal等人，2025；Smail-Crevier等人，2019；Nowels等人，2024）。此外，这些研究表明，人口统计和心理社会因素——如年龄、性别、教育水平、先前的心理健康经历和投入努力的能力——与参与度水平有关。例如，投入努力能力较低的人更倾向于选择数字自助工具，而能力较高的人则更喜欢专业主导的干预措施（Zainal等人，2025）。参与群体在行为、认知和情感参与方面也有所不同，一些用户尽管行为参与度较低，但仍然取得了显著的症状改善（Smail-Crevier等人，2019）。这些发现强调了在数字心理健康领域需要采用精确的方法，强调灵活的、以用户为中心的设计，以适应不同人群的参与度和偏好（Smail-Crevier等人，2019；Nowels等人，2024；Eskoffery，2018）。总之，这些发现表明人们需要多样化的选择，数字心理健康干预和游戏化并不适用于所有人。最后，根据聚类分析结果，与在感觉不佳时改善心理健康（反应性使用）相比，参与者在感觉良好时使用基于游戏的干预措施以维持福祉（预防性使用）的意愿显著较低。这一显著发现可能意味着“预防性”干预（在感觉良好的时期使用）可能需要不同于“反应性”或“救援”干预（在感觉不佳的时期使用）的动机机制。此外，这种模式与健康行为模型相符，特别是健康信念模型，该模型认为对健康威胁的感知敏感性和严重性是健康行为改变的关键动机（Naslund等人，2017）。相比之下，在感觉良好的时期，感知到的威胁较低，预防性参与的好处可能显得抽象或遥远，从而降低了动机。这种区别对干预设计和实施具有重要意义。4.3. 意愿的预测因素逻辑回归模型提供了关于塑造意愿的个体特征的见解。报告有抑郁和/或焦虑病史的参与者更有可能属于“高意愿”簇。这些发现应与关于参与者当前焦虑和抑郁情绪体验与结果变量之间关联的发现区分开来。具体来说，焦虑在统计上与结果无关，而抑郁情绪则有显著关联；然而，其效应大小非常小（OR=1.01）。同时，先前的研究结果显示，在有较高痛苦或传统护理途径受限的个体中，心理健康相关应用程序的采用率较高（Baumel等人，2019a；Poppelaars等人，2018），这与本研究的结果部分一致。这种意愿很重要。与“帮助否定”的发现相反，即那些有更高心理健康需求的人不太可能认为干预措施会帮助他们，并因此避免寻求帮助（Wilson，2010；Wilson和Deane，2012；Turner等人，2024），我们的发现表明，面临心理健康挑战的人可能更愿意接受基于游戏的心理健康干预。帮助否定现象在年轻男性中尤为明显（Wilson，2010；Wilson和Deane，2012；Turner等人，2024），因此我们发现年轻男性中有较高的意愿使用基于游戏的干预措施是值得注意的。基于游戏的干预措施可能通过将心理健康支持框架在熟悉的休闲活动中来降低护理障碍的门槛；它们提供匿名性和自主性，符合人们对自我依赖的偏好；并且它们利用了人们现有的游戏习惯和数字自我效能感（Sheikh等人，2025）。这代表了一个重要的机会，可以吸引那些通过传统服务难以接触的人群。年轻参与者（特别是18-25岁）和男性参与者也比他们的年长或女性同行更愿意使用基于游戏的干预措施。性别差异可能反映了在游戏熟悉度和技术自我效能感方面的性别差异。这些发现与先前的研究结果相反，先前的研究表明，女性比男性更愿意使用智能手机应用程序或基于互联网的干预措施来维护他们的心理健康。事实上，多项最近的元分析和大规模研究一致表明，女性在数字心理健康干预措施的初始采用率、使用率和完成率上高于男性（Zainal等人，2025；Smail-Crevier等人，2019；Nowels等人，2024；Eskoffery，2018；Knipe等人，2025；Zhang等人，2025；Jagemann等人，2024）。女性也报告了更高的意愿，使用基于互联网的资源来获取心理健康信息和支持（Zainal等人，2025；Smail-Crevier等人，2019；Nowels等人，2024；Eskoffery，2018；Knipe等人，2025；Zhang等人，2025；Jagemann等人，2024）。男性倾向于更频繁地玩电子游戏（娱乐软件协会，2024），这可能增加了他们对游戏化治疗形式的舒适度。然而，这一发现也强调了设计不同工具的必要性，以吸引不同的群体——通过理解和细分兴趣群体，而不是提供统一的响应，可能会吸引更多的不同群体（Fleming等人，2023）。游戏频率和更严重的游戏障碍症状都与使用基于游戏和互联网的工具来维护心理健康的意愿呈正相关。这种关联可能看似矛盾，因为游戏障碍涉及不适应的使用模式。尽管如此，它可能表明，经常玩游戏的人认识到游戏的沉浸感和情感潜力，并可能更愿意使用类似的平台进行自我调节。这种开放性可以为将游戏参与引导到与健康相关的、目标驱动的应用程序提供机会（Kowert，2020）。关于心理预测因素，冲动性维度显示出不同的关系。高度缺乏毅力和高度寻求刺激的意愿较低，这表明那些容易感到无聊、抗拒结构化参与或害怕挑战或任务相关困难的人可能认为基于游戏的干预措施不太吸引人。紧迫性维度在群体之间没有区分，这表明对特定干预措施有高度需求的群体可能对这些支持持开放态度（Billieux等人，2021）。相反，特定的情绪调节困难——特别是对情绪的非接受和在痛苦情况下难以维持目标导向的行为——与更高的意愿相关；而其他困难，如低意识和有限的策略获取能力则与较低的意愿相关。这些发现的模式表明，参与基于游戏的干预措施的意愿并非由情绪调节困难本身驱动，而是由这些困难在认知上的表现和体验方式决定的。高度对情绪的非接受和在痛苦情况下难以维持目标导向的行为可能反映了情绪既显著又在功能上造成障碍的情况，从而促使个体寻求外部调节支持。相反，低情绪意识和有限的调节策略感知能力与不愿意相关，可能反映了对情绪过程的洞察力不足或对情绪调节的自我效能感较低。4.4. 理论和实践意义这些发现突出了游戏习惯、情绪功能以及对游戏和游戏化应用程序用于心理健康需求的开放性之间的复杂相互作用。它们支持这样的观点，即情绪调节困难既可以作为促进数字心理健康参与的动机，也可以作为障碍，这取决于它们的性质和自我意识的水平。从理论角度来看，这些结果与Gross（2015）的情绪调节过程模型一致，该模型强调意识和接受是适应性调节策略的先决条件。从实践角度来看，根据用户概况定制数字干预措施似乎至关重要。开发者和临床医生可以通过定制干预内容和服务美学来匹配用户的心理需求、游戏熟悉度和动机倾向，从而提高使用意愿和潜在的参与度（Huot-Lavoie等人，2025；Fleming等人，2016）。例如，结合个性化反馈、目标设定以及具有情感共鸣的叙述可以提高用户感知的相关性和情感参与度。此外，针对年轻用户和已有游戏经验的用户可能是大规模推广的有效起点，同时应制定相应的策略来吸引老年人和不太熟悉数字技术的群体。我们的研究结果表明，用户的行为和偏好非常重要。虽然“用户细分”在游戏设计中并不新鲜，但心理健康干预措施通常针对所有青少年或有特定心理健康问题的成年人。基于更细致的用户特征和尝试特定类型干预的意愿进行改进的定位，是提高心理健康干预吸引力的重要机会。此外，提供高度游戏化或最低限度游戏化的体验选项，或者整合能够消除对数字干预误解的教育内容，可能有助于解决用户对这些工具的顾虑。

从临床实施的角度来看，先前经历过抑郁和焦虑的个体表现出较高的意愿，这表明将基于游戏的干预措施整合到现有的心理健康护理路径中是一个重要的机会（Panarello等人，2025年；Graham等人，2020年；Khazaal等人，2015b年）。这些干预措施可以在阶梯式护理模型中发挥重要作用——例如，作为轻度至中度症状个体的低强度首选方案，作为持续心理治疗或药物治疗的辅助手段以增强治疗间隔期间的技能练习，或者作为正式治疗后的维持工具以防止复发。然而，成功的整合需要明确的临床指导（Panarello等人，2025年；Graham等人，2020年；Khazaal等人，2015b年）。

尽管本研究具有许多优势，如大规模、多样化的国际样本以及行为、心理和人口统计预测因子的整合，但仍存在一些局限性。首先，横断面设计排除了因果推断的可能性；虽然心理变量与意愿相关，但这些关系的方向性仍不确定。其次，所有测量都依赖于自我报告工具，这些工具可能会受到社会期望和回忆偏差的影响。此外，尽管这些具体条目尚未作为标准化量表进行验证，但其内容有效性已经得到了仔细考虑。每个条目都旨在捕捉使用基于游戏的干预措施的意愿的一个独特且理论上重要的维度（即情绪调节、心理健康改善以及在负面和正面状态下的幸福感提升），从而确保了对该概念的充分覆盖。此外，用于衡量参与者使用游戏化干预意愿的四个单项条目并未在本研究目标人群中进行重测信度和其他心理测量指标（如内部一致性）的测试，这会增强对这些测量的信心。我们承认这是一个局限性。第三，尽管研究包括了来自多个国家的参与者，但通过在线众包平台（Prolific）招募的参与者可能具有更高的数字素养或对游戏的兴趣，这可能限制了其对技术不太熟练人群的普遍适用性。第四，研究没有评估文化或情境因素（如对心理健康治疗的污名化或当地的游戏规范），这些因素可能会在不同地区对意愿产生不同的影响。第五，需要注意的是，某些预测变量虽然根据p值与结果显著相关（例如，周末游戏频率和通过PHQ测量的抑郁情绪），但在解释时应谨慎。尽管统计上显著，但它们的效应大小（如比值比所示）非常小，表明实际意义有限（Rosen和DeMaria，2012年）。这表明观察到的关联可能在现实世界中的影响很小，与样本大小无关。总体而言，这些发现表明，参与基于游戏的干预措施的意愿可能受到多种小而分散因素的影响，而不是由单一的个体级预测因素决定。第六，虽然回归模型显示出令人满意的预测准确性，但伪R2值表明未测量的变量（例如，对技术的态度、人格特质或之前的数字治疗暴露）也会影响意愿，应在未来的研究中加以考虑。

最后，必须根据自我报告的意愿与实际参与行为之间的明确区别来解释本研究的发现。虽然意愿反映了人们对基于游戏的干预措施的有利态度，但它并不一定转化为实际的启动、持续使用或长期坚持。与先前的研究一致（Smoktunowicz等人，2023年），在数字和基于互联网的干预措施中经常观察到意图与行为之间的差距，即一旦个体面临实际、情境或体验障碍，最初的动机往往会下降。

未来的研究应该利用纵向和实验设计来跟踪实际的参与度、依从性和临床结果，从而解决自我报告的意愿与现实世界行为之间的明显差距。开发和心理测量验证全面的、多条目的量表将提高测量精度，并允许更细致地评估用户的开放性，包括预防性（维持性）和反应性（补救性）使用之间的区别。除了这里考察的预测因素外，未来的工作还应纳入额外的变量，如对技术的态度、人格特质和之前的数字治疗暴露，这些变量可能进一步解释意愿的差异。研究还应阐明特定的情绪调节特征和冲动性维度如何影响参与度，以及共同设计的、性别敏感的干预措施是否能够扩大吸引力，特别是对于女性、老年人和不太熟悉数字技术的群体。最后，除了在线众包平台之外的招募方式，以及对文化和情境因素（如心理健康污名、当地游戏规范）的明确考察，对于确保数字心理健康工具在多样化人群中的有效性和公平性至关重要。未来的研究应明确探讨文化背景如何塑造意愿特征，以及本研究中确定的预测因素在不同国家和文化群体中的运作是否相似（Ellis等人，2022年；Alhassan等人，2026年）。

本研究对科学文献做出了重要贡献，提供了来自大规模和具有文化多样性的样本的证据，表明参与基于游戏的心理健康干预措施的意愿既显著又存在系统性的差异。它超越了统一接受度的假设，识别出了不同的用户群体，并表明开放性是由社会人口统计、心理和行为因素的复杂相互作用所塑造的，包括心理健康历史、游戏习惯和情绪调节过程。值得注意的是，研究结果挑战了传统的“帮助否定”假设，强调了处于困境中的个体（特别是年轻男性）更高的意愿，并提出了预防性和反应性参与之间的关键区别，为定制基于游戏的心理健康干预措施提供了更精确的框架。实际上，本研究的一个关键发现是，参与者报告在积极情绪时期（即预防性使用）参与基于游戏的干预措施的意愿明显低于在困境时期（即反应性使用）使用这些干预措施的意愿。这种模式强调了需要更深入的理论考虑，表明在没有急性困境的情况下实施的预防性干预可能依赖于与反应性或“补救性”干预不同的动机机制。

总体而言，研究表明，基于游戏的和游戏化的应用程序干预措施被广泛认为是支持情绪调节、心理健康和幸福感的可接受工具。年轻成年人、男性、经常玩游戏的人以及之前有心理健康问题的人更高的接受度强调了用户细分和针对性设计的重要性。通过明确谁最愿意参与以及在什么条件下参与，这些发现推动了数字心理健康解决方案的个性化，并有助于弥合技术创新与心理健康护理实际效果之间的差距。最后，关于数字心理健康技术的大量研究主要集中在治疗依从性、可用性和用户体验上，通常使用参与度和感知喜爱度等指标作为使用这些干预措施的间接代理（Baumel等人，2019b年；Torus等人，2018b年）。相比之下，本研究通过直接评估个体的自我报告意愿，提供了对用户接受度的更明确评估，补充了基于间接行为和态度测量的先前发现。

本研究按照《赫尔辛基宣言》（WMA，1964年）进行。参与者对其调查贡献给予了数字形式的知情同意。参与是自愿的，仅限于18岁及以上的个体。所有数据都是匿名收集的。研究项目已获得比德哥什茨Kazimierz Wielki大学伦理委员会的伦理批准（编号8/18.11.2025）。

本研究未涉及出版方面的同意问题。

资金来源：Chèque Inno Suisse 69099.1 INNO-ICT。