卡塔尔大学生中问题性智能手机使用与干眼症症状严重程度之间的关系：一项横断面研究

《Preventive Medicine Reports》：The relationship between problematic smartphone use and dry eye disease symptom severity among Qatar University students: A cross-sectional study

　　乌斯拉·埃尔谢赫（Usra Elshaikh）、迪亚·拉赫丹（Diyaa Rachdan）、哈卢德·阿尔-马里（Khaloud Al-Marri）、玛哈·阿尔-卡肖蒂（Maha Al-Qashoti）、希萨·阿尔-佐卡里（Hissa Al-Zoqari）、阿利亚·纳卡丹（Alya Naqadan）、拉加德·萨伊德（Raghad Saeed）、哈南·F·阿卜杜勒·拉希姆（Hanan F. Abdul Rahim）、穆贾赫德·施莱姆（Mujahed Shraim）
卡塔尔大学健康科学学院公共卫生系，多哈，卡塔尔

**摘要**
**目的**
研究问题性智能手机使用（Problematic Smartphone Use, PSPU）与大学生干眼症（Dry Eye Disease, DED）症状严重程度之间的关联。

**方法**
2021年2月至3月期间，对卡塔尔大学的学生进行了横断面在线调查。使用“智能手机成瘾量表”（Smartphone Addiction Scale）评估PSPU情况，通过“眼表疾病指数”（Ocular Surface Disease Index）测量DED症状的严重程度。构建了双变量和多变量序数逻辑回归模型来分析这种关联。

**结果**
共有157名学生参与了研究（平均年龄：22.7岁；74.5%为女性）。近74%的参与者存在PSPU现象。与没有PSPU的学生相比，有PSPU的学生出现严重DED症状的比例更高（27.6% vs 12.2%）。调整混杂因素后，PSPU与更严重的DED症状类别的风险增加2.29倍（95%置信区间：1.14, 4.58）。PSPU评分每增加1分，出现更严重DED症状的风险增加4.00%（95%置信区间：1.00%, 7.00%）。

**结论**
问题性智能手机使用可能与大学生干眼症症状的加重有关。这些发现表明，在临床评估和旨在缓解该人群DED负担的公共卫生干预措施中，考虑智能手机使用习惯可能是有价值的。

**1. 引言**
干眼症（DED）是一种多因素引起的眼表疾病，表现为不适、视觉障碍和泪膜不稳定，可能对眼表造成损害（Craig等人，2017年）。全球DED的患病率估计差异很大，取决于研究人群和诊断标准（Craig等人，2017年；Stapleton等人，2017年；Papas，2021年）。总体而言，DED的患病率随年龄增长而增加，在女性和亚洲裔人群中更为常见（Craig等人，2017年）。由于其對视力、工作效率和生活质量的负面影响以及由此产生的巨大经济负担，DED是一个重要的公共卫生问题（Chan等人，2021年；Boboridis等人，2023年；Binyousef等人，2021年）。然而，关于年轻人群中DED的证据仍然有限，因为很少有基于人群的研究专门评估其负担（Stapleton等人，2017年）。

DED的病因复杂且多因素，包括不可改变的因素（如年龄、性别、种族和眼部或系统性疾病）以及可改变的因素（如佩戴隐形眼镜、激素替代疗法、系统药物的副作用、环境暴露如污染、使用空调和视觉显示终端等）（Stapleton等人，2017年）。鉴于全球对智能手机的广泛依赖，长时间使用智能手机屏幕已成为一个主要问题，因为它与眨眼频率减少、眨眼不完全和泪膜蒸发加速有关，这些都会导致泪膜功能障碍（Fj?rvoll等人，2022年；Ousler等人，2014年）。然而，关于智能手机使用与DED症状和体征之间关系的文献仍然有限。最近的一项系统评价仅发现了四项研究，其中三项报告了每日使用智能手机与DED症状或临床体征增加之间的正相关（Al-Marri等人，2021年）。在这种背景下，问题性智能手机使用（PSPU），即过度使用智能手机干扰日常生活功能的现象（Kuss等人，2018年；Panova和Carbonell，2018年），被认为可能是导致DED的重要但未被充分认识的因素。在中东地区，研究这种关联的研究数量很少，且结果不一。例如，一项针对沙特阿拉伯大学生的横断面研究发现PSPU与DED之间没有统计学上的显著关联（Baabdullah等人，2019年）。相反，另一项针对摩洛哥青少年的横断面研究发现PSPU与DED症状严重程度之间存在正相关（Bouazza等人，2025年）。鉴于目前有限的和矛盾的证据，需要进一步的研究来明确PSPU是否会导致DED的发展或恶化。在高数字设备依赖的环境中建立这种关系尤为重要，因为它对提高公众意识和制定针对性干预措施以预防或减轻PSPU对眼表健康的潜在影响具有重要意义。因此，本研究旨在调查大学生中PSPU与DED症状严重程度之间的关联。

**2. 方法**
**2.1. 研究设计和样本**
2021年2月至3月期间，对所有注册的卡塔尔大学（QU）学生进行了横断面在线调查。卡塔尔大学是卡塔尔最大的高等教育机构，约有25,000名学生（75.0%为女性，68.0%为卡塔尔国籍）。该研究获得了QU机构审查委员会的批准（批准编号：QU-IRB 1307-EA/20）。在获得伦理许可后，通过大学电子邮件向所有注册学生发送了电子邀请，并且调查持续了四周。
**纳入标准**
参与者需为18岁及以上的QU学生，能够阅读阿拉伯语或英语。有眼部手术史、与DED无关的慢性眼表疾病、正在使用隐形眼镜、影响泪液产生的系统性疾病或目前正在使用任何眼药水的学生被排除在外。

**2.2. 数据收集**
数据通过结构化的自我管理在线问卷收集。问卷收集了社会人口统计学和行为特征、PSPU以及DED症状严重程度的信息。社会人口统计学和行为特征包括年龄、性别（女性、男性）、国籍（卡塔尔籍、非卡塔尔籍）、学术课程（本科、研究生）、学习年份（大一、大二、大三、大四或更高年级）、学院、就业状况（未就业、兼职就业、全职就业）、吸烟情况（否、是），以及过去一周内至少进行10分钟中等或剧烈体育活动的频率（无、1-4天、5-7天）、医生诊断的慢性病史（无、是），以及自我报告的每日平均使用智能手机和/或电脑/平板电脑（包括笔记本电脑）和看电视的时间（小时）。
**主要关注点**
PSPU被定义为过度使用智能手机，干扰日常生活功能（Kuss等人，2018年；Panova和Carbonell，2018年）。我们使用10项“智能手机成瘾量表”（SAS-SV）的得分来操作化这一定义。SAS-SV已在英语和阿拉伯语中得到验证（Kwon等人，2013年；Sfendla等人，2018年），该量表衡量了智能手机成瘾症状，涵盖日常生活干扰、积极期待、戒断反应、过度使用、耐受性和以网络空间为导向的关系等领域（Kwon等人，2013年）。参与者在6点李克特量表上对陈述表示同意或不同意，总分为10到60分。根据量表的验证标准，如果女性的得分≥33分或男性的得分≥31分，则将其归类为PSPU患者（Kwon等人，2013年；Sfendla等人，2018年）。
DED症状严重程度使用“眼表疾病指数”（OSDI?）进行评估，这是一个广泛使用的12项问卷，用于测量过去一周内的DED症状严重程度、功能限制和环境触发因素（Schiffman等人，2000年；Ozcura等人，2007年）。各项目的得分范围从0（“从未”）到4（“始终”）。OSDI总得分使用以下公式计算：
OSDI总得分 = ∑（所有回答问题的得分）× 100 / （回答问题的总数 × 4）
所有参与者都完成了所有OSDI项目，没有缺失的回答。得分被分为四个严重程度类别：正常（0-12）、轻度（13-22）、中度（23-32）和重度（33-100）干眼（Schiffman等人，2000年）。

**2.3. 统计分析**
数据使用STATA 19 SE（StataCorp，2025）进行分析。连续变量使用均值和标准差（SD）或中位数和四分位数范围（IQR）进行总结，而分类变量使用频率和百分比描述。构建了双变量和多变量序数逻辑回归模型，以检查PSPU（作为连续变量和分类变量PSPU：无/是）与OSDI严重程度类别之间的关系。在双变量分析中，p值≤0.20的变量被纳入多变量模型以控制潜在的混杂因素（Heinze等人，2018年）。使用比值比（OR）及其对应的95%置信区间（CI）作为关联度量。使用Brant检验（Brant，1990年）评估序数逻辑回归的比例优势假设。除了每日看电视时间（p<0.01）外，所有变量都满足比例优势假设（Brant检验，p>0.05），但整体检验表明该假设被违反（p=0.01）。因此，使用Stata中的gologit2命令拟合了部分比例优势模型以放宽违反假设的变量的限制（Williams，2006年）。

**3. 结果**
共有157名学生参与了研究（表1）。假设所有21,000名卡塔尔大学学生都符合资格标准、收到并阅读了邀请函，那么响应率约为0.8%。参与者的平均年龄为22.7岁（标准差=5.7岁）。大多数为女性（74.5%），非卡塔尔国籍者占70.7%。大多数学生未就业（77.7%）。不同学院的学生参与率不同，其中艺术与科学学院参与率最高（24.2%），其次是工程学院（18.5%）和医学院（15.3%）。大多数为本科生（82.8%），学习年份分布在一年级（36.3%）到四年级或更高年级（24.2%）（见表2）。

**表1. 2021年2月至3月参与调查的卡塔尔大学学生的特征（n=157）**
| 特征 | 频率（%） | 均值（SD） | 中位数（IQR） |
|------------|--------|--------|---------|
| 年龄 | 22.7 | 5.7 | 21.0 |
| 性别 | 女性 | 117 | 74.5 |
| 国籍 | 卡塔尔籍 | 46 | 29.3 |
| 非卡塔尔籍 | 111 | 70.7 |
| 就业状况 | 未就业 | 122 | 77.7 |
| 兼职 | 16 | 10.2 |
| 全职 | 19 | 12.1 |
| 学院 | 艺术与科学 | 38 | 24.2 |
| 商业与经济 | 7 | 4.5 |
| 教育 | 12 | 7.6 |
| 工程学院 | 29 | 18.5 |
| 法学院 | 6 | 3.8 |
| 健康科学 | 21 | 13.4 |
| 医学院 | 24 | 15.3 |
| 药学院 | 11 | 7.0 |
| 伊斯兰教法与研究 | 9 | 5.7 |
| 学术课程 | 本科 | 130 | 82.8 |
| 研究生 | 27 | 17.2 |
| 学习年份 | 大一 | 57 | 36.3 |
| 大二 | 30 | 19.1 |
| 大三 | 32 | 20.4 |
| 大四或更高年级 | 38 | 24.2 |
| 吸烟 | 否 | 147 | 93.6 |
| 是 | 10 | 6.4 |
| 体育锻炼 | 无 | 73 | 46.5 |
| 1-4天 | 72 | 45.9 |
| 5-7天 | 12 | 7.6 |
| 慢性病史 | 否 | 142 | 90.4 |
| 是 | 15 | 9.6 |
| 每日智能手机使用时间（小时） | 6.8 | 3.2 |
| 每日电脑使用时间（小时） | 5.1 | 3.0 |
| 每日看电视时间（小时） | 0.7 | 1.2 |
| 问题性智能手机使用得分 | 38.9 | 41.0 |
| 问题性智能手机使用状况 | 否 | 41 | 26.2 |
| 是 | 116 | 73.9 |

**表2. 2021年2月至3月卡塔尔大学学生中问题性智能手机使用与干眼症状严重程度之间的关联（N=157）**
| 干眼症状严重程度 | 原始关联 | 调整后关联 |
|------------|---------|---------|
| 正常 | N=58 | |
| 轻度 | N=39 | |
| 中度 | N=23 | |
| 重度 | N=37 | |
| OR（95% CI） | SE | OR（95% CI） |
| 年龄（岁），中位数（IQR） | 22.0 | 22.0 |
| 21.0 | 21.0 | 22.0 |
| 0.97 (0.92, 1.03) | 0.03 |
| 性别，n (%) | 女性 | 38 | 33 |
| 32.5 | 33 | 16 |
| 男性 | 20 | 6 |
| 6 | 15.0 | 7 |
| 0.58 (0.30, 1.15) | 0.20 |
| 0.63 (0.32, 1.26) |
| 国籍，n (%) | 卡塔尔籍 | 11 | 15 |
| 23.9 | 15 | 32.6 |
| 5 | 15 | 32.6 |
| 参考 | | |
| 非卡塔尔籍 | 47 | 42.3 |
| 24 | 21.6 | 18 |
| 18 | 16.2 | 22 |
| 0.54 (0.29, 1.00) | 0.17 |
| 0.65 (0.32, 1.31) |
| 就业状况，n (%) | 未就业 | 44 | 36.1 |
| 32 | 26.2 | 16 |
| 30 | 24.6 | |
| 兼职 | 4 | 25.0 | 4 |
| 4 | 25.0 | 3 |
| 3 | 18.8 | 5 |
| 1.57 (0.62, 3.98) | 0.21 |
| 全职 | 10 | 52.6 | 3 |
| 3 | 15.8 | 4 |
| 2 | 10.5 | 2 |
| 0.54 (0.22, 1.35) | 0.76 |
| 0.25 | 0.76 (0.23, 2.48) |
| 学院，n (%) | 艺术与科学 | 14 | 36.8 |
| 10 | 26.3 | 7 |
| 7 | 18.4 | |
| 参考 | | |
| 商业与经济 | 3 | 42.9 | 1 |
| 1 | 14.3 | 0 |
| 0 | 0.0 | 3 |
| 3 | 42.9 | 1.36 |
| 1.36 (0.27, 6.77) | |
| 教育 | 5 | 41.7 | 6 |
| 6 | 50.0 | 0 |
| 0 | 0.0 | 1 |
| 0.59 (0.1百分比是根据每行的总数计算得出的。在生活方式特征方面，93.6%的参与者是非吸烟者，近一半的参与者表示他们进行了一定程度的体育锻炼，其中45.9%的人每周锻炼1-4天，7.6%的人每周锻炼5-7天。只有9.6%的参与者报告患有与泪液功能障碍无关的慢性疾病。平均每日智能手机使用时间为6.8小时（标准差=3.2小时），平均每日使用电脑时间为5.1小时（标准差=3.0小时），而看电视的时间相对较少，平均为0.7小时（标准差=1.2小时）。PSPU的平均得分为38.9（标准差=10.9），几乎四分之三（73.9%）的参与者被归类为PSPU患者。总体而言，OSDI的中位数为18.8（四分位数范围（IQR）为8.3至31.3）。DED症状严重程度的中位数和IQR分别为：正常为6.3（2.1, 10.4），轻度为18.8（14.6, 20.8），中度为27.1（25.0, 29.2），重度为45.8（39.6, 54.2）。

3.1. 问题性智能手机使用与干眼症状严重程度之间的关系
总体而言，PSPU患者的OSDI中位数（20.8；IQR=10.4, 35.4）高于非PSPU患者（12.5；IQR=4.2, 22.9）。在患有PSPU的学生中，27.6%有严重的干眼症状，15.5%有中度症状，25.9%有轻度症状，31.0%症状正常。相比之下，在没有PSPU的学生中，只有12.2%有严重症状，12.2%有中度症状，22.0%有轻度症状，53.7%症状正常。在双变量分析中，患有PSPU的学生出现更严重DED症状类别的概率是非PSPU学生的2.53倍（95%置信区间1.29, 4.97）。在调整了性别、国籍、就业状况、学术项目和每日看电视时间后，PSPU与DED症状严重程度之间的关联仍然具有统计学意义（OR=2.29，95%置信区间1.14, 4.58）。即使在使用部分比例优势模型放宽对每日看电视时间的假设后，PSPU与DED症状严重程度之间的关联基本保持不变（OR=2.29，95%置信区间1.14, 4.59）。同样，当将PSPU得分视为连续变量时，PSPU得分每增加1分，出现更严重DED症状类别的概率增加4.00%（调整后的OR=1.04，95%置信区间1.01, 1.07）。

4. 讨论
本研究探讨了PSPU与大学生DED症状严重程度之间的关联。研究结果表明，PSPU与DED症状严重程度较高的风险相关。这些发现为越来越多的证据所支持，表明PSPU可能是DED症状的一个新兴行为预测因素，尤其是在年轻人群中。我们的结果与最近的研究一致，这些研究也报告了PSPU与DED症状之间的统计学显著关联。在一项针对土耳其大学生的横断面研究中，被归类为智能手机成瘾者的个体其OSDI得分显著高于非成瘾者（中位数=25.0，IQR=12.0–45.8，对比非成瘾者的中位数=16.7，IQR=6.2–33.3）（Ozalp, 2025）。同样，一项针对摩洛哥高中生的横断面研究也报告称，PSPU与使用Dry Eye Questionnaire-5测量的DED症状得分呈正相关（r=0.66）（Bouazza等人，2025）。另一项针对韩国大学生的横断面研究也发现PSPU与OSDI得分呈正相关（r=0.33）（Paek, 2017）。然而，这些发现与之前一项针对沙特大学生的横断面研究的结果不同，该研究未发现PSPU与使用OSDI量表测量的DED症状之间存在统计学显著关联（Baabdullah等人，2019）。这种差异可能部分归因于资格标准的不同，因为沙特的研究包括了具有已确定的眼部和系统性DED风险因素的参与者，而在我们的研究中为了减少混淆因素，这些参与者被排除在外。包括这些强临床风险因素可能会减弱PSPU与DED症状之间的独立关联，从而导致该研究中得出的无关联结果。

几种合理的机制可以解释PSPU与DED症状增加之间的关联。在较低视角下使用智能手机，加上持续的认知注意力，会导致眨眼频率降低、不完全眨眼增加、泪液量减少以及泪液破裂时间缩短（Jaiswal等人，2019）。此外，智能手机通常在较近的距离观看，而近距离观看与眼睛疲劳和视觉不适增加有关，这表明长时间使用智能手机时调节和集合需求增加（Long等人，2017）。由于晚上过度使用智能手机，DED症状可能会更加严重（Guillon和Shah，2019）。另一种可能的机制是，晚上接触智能手机屏幕的光线可能会改变褪黑激素的分泌和昼夜节律，同时增加应激激素水平，从而导致睡眠质量下降和泪液分泌紊乱（Green等人，2017；Galor等人，2023）。此外，最近的证据表明，睡眠障碍可能部分介导了PSPU与DED症状之间的关系（Bouazza等人，2025）。

我们的发现可能具有重要的公共卫生和临床意义。早期识别出PSPU患者有助于针对DED症状进行有针对性的筛查，特别是在智能手机使用密集的人群和环境中。行为干预措施，包括定时的屏幕休息、眨眼提醒和减少夜间屏幕使用时间，可能有助于缓解DED症状（Sheppard和Wolffsohn，2018）。此外，将PSPU评估纳入数字健康促进计划可能是减少DED症状的一种策略，尤其是在青少年和年轻人中。在临床实践中，眼科医生在评估有不明原因的干眼症状的患者时，考虑探究智能手机使用行为以及总体屏幕使用时间可能是有价值的。此外，促进健康数字习惯的公共卫生举措可以在PSPU和DED症状日益普遍的情况下，帮助减轻人群层面的负担。

我们研究的一个主要优势是在考虑了重要潜在混杂因素（如每日看电视时间）的情况下，研究了PSPU与DED症状之间的关联，并使用了经过验证的工具，包括SAS-SV和OSDI。然而，也应承认几个局限性。首先，PSPU是自我报告的，可能存在回忆偏差或社会期望偏差。然而，这种偏差可能低估而不是高估了PSPU与DED症状之间的关系。其次，DED症状的评估基于自我报告，并未通过客观临床评估进行验证，基于症状的测量可能无法完全反映临床症状或严重程度。第三，一些关键的潜在混杂因素没有被测量。最值得注意的是，我们没有收集有关近距离工作（涉及眼睛在短距离内聚焦的活动）、睡眠质量或心理健康状况的数据，这些因素可能影响了观察到的关联。此外，也没有评估环境因素，如湿度、空气污染、灰尘和空调。第四，这项研究是在全球从COVID-19大流行中恢复期间进行的，这导致了与研究相关的两个重要行为变化：一是佩戴口罩，从而与口罩相关的干眼症状；二是远程学习的增加，这默认增加了大流行期间及之后的屏幕使用时间（Cartes等人，2022；Park等人，2025）。第五，由于这项研究的横断面性质，不能排除反向因果关系的可能性。有可能已经存在眼部不适的个体会发展出PSPU行为，作为一种数字分心、避免策略或情绪调节方式。需要纵向研究来明确这种关联的方向性。最后，相对较小的大学生样本可能限制了结果的普遍性，包括老年人或已有眼部疾病的人群。因此，这些结果应谨慎解读，并需要在更多样化的人群中进行更大规模的验证研究。

5. 结论
这项横断面研究表明，问题性智能手机使用与大学生中的干眼症状严重程度增加有关。尽管无法确定因果关系，但这些发现表明在临床评估中考虑智能手机使用行为具有潜在价值。此外，这种关联可能是理解并解决干眼症状负担的公共卫生策略的相关因素。

作者贡献声明
Usra Elshaikh：撰写——审阅与编辑、撰写——初稿、正式分析、数据管理。
Diyaa Rachdan：撰写——审阅与编辑、方法论、概念化。
Khaloud Al-Marri：撰写——审阅与编辑、数据管理。
Maha Al-Qashoti：撰写——审阅与编辑、数据管理。
Hissa Al-Zoqari：撰写——审阅与编辑、数据管理。
Alya Naqadan：撰写——审阅与编辑、数据管理。
Raghad Saeed：撰写——审阅与编辑、数据管理。
Hanan F. Abdul Rahim：撰写——审阅与编辑、监督、资金获取、数据管理、概念化、方法论。
Mujahed Shraim：撰写——审阅与编辑、撰写——初稿、监督、项目管理、方法论、调查、资金获取、正式分析、数据管理、概念化。

资金
这项研究由卡塔尔国家研究基金（Undergraduate Research Experience Program，UREP26-074-3-026）资助。资助方未参与研究设计、数据收集与分析、报告撰写或决定提交报告发表。