中国医学生中社交媒体成瘾的普遍性及其与使用模式、职业倦怠和健康状况的关联：一项横断面研究

《Journal of Medical Internet Research》：Prevalence of Social Media Addiction and Associations With Usage Patterns, Burnout, and Health Conditions Among Medical Trainees in China: Cross-Sectional Study

　　葛泽旭|倪堂|罗国帅|张晓
北京语言文化大学国际政治与传播学院
中国北京

**背景**
医学住院医师培训是一个要求严格的阶段，其特点是高压力和职业倦怠。作为数字原住民，当前的医学实习生（即住院医师）经常使用社交媒体；然而，关于他们的个人（非职业）使用与职业倦怠和社交媒体成瘾（SMA）之间的关系知之甚少。

**目的**
本研究旨在描述中国医学实习生中SMA的普遍情况，并探讨其与社交媒体使用模式、职业倦怠及相关风险和保护因素之间的复杂关系。

**方法**
2024年8月29日至9月10日期间，通过 Wenjuanxing 平台并借助微信进行了全国范围内的横断面调查。数据包括人口统计学信息、身体健康和心理健康史、工作变量（如培训年份和夜班情况）、人格特征以及社交媒体使用情况。SMA 通过Bergen社交媒体成瘾量表进行评估。使用逻辑回归分析来确定成瘾的预测因素，并通过中介和调节分析来明确职业倦怠的作用。

**结果**
在3621名医学实习生中，有211人（5.8%）符合SMA的标准（Bergen社交媒体成瘾量表得分≥24，表明存在成瘾）。第二年的医学实习生报告的成瘾率最高（1159人中的92人，7.9%）。逻辑回归分析显示，较高的职业倦怠（比值比[OR] 1.41，95%置信区间 1.23-1.62；P<.001）、较长的日使用时间（OR 1.39，95%置信区间 1.23-1.56；P<.001）、身体健康问题（OR 1.56，95%置信区间 1.13-2.16；P=.006）和心理健康史（OR 2.00，95%置信区间 1.41-2.84；P<.001）显著增加了成瘾的风险，而责任心则具有保护作用（OR 0.92，95%置信区间 0.86-0.99；P=.02）。社交媒体使用与职业倦怠、身体健康问题、心理健康史和心理健康结果之间存在显著的U形关联。例如，每天使用社交媒体不超过1小时的实习生（404人中的104人，有心理健康史的比例为25.7%）和每天使用超过4小时的实习生（419人中的97人，有心理健康史的比例为23.2%）的风险都高于中等使用频率的实习生。中介分析显示，职业倦怠解释了心理健康史对成瘾风险的28.1%的影响，以及身体健康问题对成瘾风险的29.6%的影响。

**结论**
这项大规模调查首次系统地描述了中国医学实习生中的SMA情况，并阐明了相关风险和保护因素。职业倦怠始终是SMA的一个关键且普遍的预测因素，既作为独立的风险因素，也作为放大健康相关脆弱性影响的中介变量。此外，研究发现，无论是极少的还是过量的日社交媒体使用都可能表明不同的压力表现形式，可能反映了不同的临床表型：急性压力下的数字脱离与由慢性倦怠驱动的强迫性参与。值得注意的是，虽然心理健康症状与使用时间呈U形关联，但SMA风险随着每日使用时间的延长而逐渐增加。这些结果强调了需要采取的干预措施不应仅仅局限于监控使用时间，而应侧重于减少职业倦怠和提高医学实习生的整体福祉。

**引言**
社交媒体已深深融入年轻人的日常生活中，并日益与医学教育、沟通和职业身份形成密切相关[1]。一项关于大学医学教育中社交媒体的系统评价表明，这些平台现在被医学学习者广泛用于沟通、知识交流和非正式学习，但同时也引发了关于其专业性和可能对心理和身体健康产生不利影响的担忧[2]。然而，越来越多的证据表明，问题性或成瘾性的社交媒体使用模式与抑郁、焦虑、睡眠障碍和较差的心理健康状况有关，这一点在最近的评价和大规模研究中得到了证实[3]。
社交媒体成瘾（SMA）不仅表现为在线时间的过度消耗，还表现为戒断症状（如限制访问时的易怒）以及日常生活或职业领域的功能受损[4,5]。尽管有越来越多的证据将SMA与医学学习者的不良心理健康结果联系起来，但在中国医学实习生中，关于其普遍性、决定因素和潜在机制的综合证据仍然有限，而这一群体特别容易受到慢性压力的影响[6]。鉴于中国数字化的迅速发展以及社交媒体在日常生活中的广泛整合[7]，在这种情况下理解SMA尤为重要。
医学实习生面临着从教育环境向临床场景的重大转变，包括长时间的工作、频繁的夜班、繁重的患者负担以及持续面对需要大量身体和情感努力的任务，同时还需不断处理复杂的临床情况[8]。在这种压力下，医学实习生可能特别容易将问题性社交媒体使用作为一种适应不良的应对策略，这与工作与生活平衡不佳一起，导致压力、抑郁和职业倦怠的增加[9]。同时，长期的工作相关压力是医学实习生职业倦怠的一个已知驱动因素[10-14]，其特征是情绪耗竭、去人格化（愤世嫉俗）和个人成就感的降低[15]。然而，倦怠在SMA发展中的作用尚不明确，特别是它是否作为独立预测因素或作为将脆弱因素与成瘾性社交媒体使用联系起来的中介变量。

为了解决这些差距，我们对中国的医学实习生进行了基于数据的全国性横断面调查。本研究旨在：（1）估计SMA的普遍情况并确定相关的风险和保护因素，包括职业倦怠、健康状况（身体和心理）以及使用模式；（2）描述社交媒体使用模式（如每日使用时间和平台数量）；（3）探讨倦怠在SMA发展中的直接和间接作用。

**研究设计和参与者**
本研究采用横断面调查设计，探索影响中国医学实习生SMA的因素。数据通过匿名在线问卷收集。提供的CHERRIES（互联网调查结果报告检查表）确保了电子调查结果的透明性和可复现性。

**中国的医学培训路径**
在本研究中，医学实习生是参加中国标准化住院医师培训（SRT）项目的住院医师。他们已完成5年的医学学士学位。参与者代表了三种常见的SRT路径：（1）社会路径（本科生培训结束后直接进入住院医师项目的独立医学生），（2）综合硕士路径（完成协调的硕士学位和住院医师项目的学生），以及（3）其他路径（具有非典型教育路径的个体，例如随后进入住院医师项目的博士学位持有者）。

**问卷开发与预测试**
问卷由经验丰富的心理学家和精神病学家设计，基于心理健康和行为研究中常用的验证工具。最终问卷包含36个主要问题和84个子项，分为四个部分：（1）基本信息（15个主要问题；例如，人口统计学信息和身体健康及心理健康状况），（2）工作量和生活方式因素（9个主要问题；例如，夜班数量和每日社交媒体使用情况），（3）心理健康状况（3个主要问题），以及（4）心理特征（9个主要问题；例如，人格特征和职业倦怠）。草案问卷在校研究生中进行了预测试，以确保清晰度、可用性和技术功能。根据反馈进行了少量修改。

**调查内容和完成情况**
受访者需要完成所有80个核心问题才能提交数据以确保数据完整性。4个非核心问题是可选的，包括偏好的社交媒体 influencer、住院医师培训期间的积极经历、消极经历以及对教育或卫生部门的建议。平均完成时间为495秒（标准差966秒，约8分钟）。

**调查分发**
在线调查由中国最大的在线调查平台Wenjuanxing负责。招募通过微信进行，微信是中国最广泛使用的社交媒体平台。医学实习生可直接点击微信上的Wenjuanxing链接进行调查。调查链接通过专业群组和住院医师网络进行传播。数据收集时间为2024年8月29日至9月10日。

**资格和数据质量保证**
符合条件的医学实习生才能参与调查。一个强制性问题要求参与者报告他们的专业方向，在数据清洗过程中排除了不符合国家住院医师目录的回答。为确保真实性，使用cookies防止重复录入，并排除了完成时间极短（<2分钟）的问卷。由于样本量足够大且性别分布均衡，因此没有应用统计加权或倾向得分调整。此外，由于所有强制性问题都是必须回答的，最终数据集中没有缺失值。

**伦理考虑**
本研究遵循赫尔辛基宣言进行，并得到了天津安定医院的伦理委员会批准（2023-27年）。知情同意书出现在在线问卷的第一页，只有勾选同意框的参与者才被要求完成剩余的问卷。所有强制性问题都是不可识别的，不包含可用于追踪参与者的信息。完成问卷的参与者获得了5元人民币的补偿。

**社交媒体使用评估**
社交媒体使用情况根据使用的平台类型和平均每日使用时间进行评估。SMA 使用Bergen社交媒体成瘾量表（BSMAS）进行评估，该量表是一种基于行为成瘾成分模型的简短自我报告工具。BSMAS包含6个项目，评估核心成瘾成分（显著性、情绪改变、耐受性、戒断症状和复发），每个项目在5点李克特量表上评分（1=“非常罕见”至5=“非常频繁”），总分为6至30分。该量表在中国人群中表现出良好的可靠性和有效性，临界分数为24或以上，用于表示可能存在SMA[16,17]。值得注意的是，一项涵盖32个国家的SMA普遍性的大型元分析报告指出，所有纳入的流行病学研究都使用了BSMAS框架，包括原始版本和翻译版本，支持了其广泛采用和跨研究的可比性[18]。
除了与社交媒体相关的信息外，问卷还涵盖了年龄、性别、经济负担、身体健康问题、心理健康史和既往心理治疗等基本信息。身体健康问题、心理健康史、既往心理治疗和经济负担通过二元（是或否）自我报告项目进行评估。参与者被问及是否有需要长期关注的慢性身体健康状况、是否曾被诊断出焦虑或抑郁等心理健康问题、是否接受过心理咨询或心理治疗以及是否有家庭经济责任（例如，为父母或其他家庭成员提供经济支持）。对于所有项目，“是”的回答表示存在相应的状况或经历。所有相关问卷项目的确切表述见多媒体附录1。

**工作相关变量**
包括培训年份、平均每月夜班次数和职业倦怠，职业倦怠使用5点李克特量表（1=“无倦怠”至5=“极度倦怠”进行评估。人格特质使用中文版的10项人格量表进行测量，该量表在中国人群中展现出评估五大人格维度的良好可靠性[19]。心理健康结果包括抑郁症状、焦虑和睡眠问题，分别使用患者健康问卷-9、广泛性焦虑障碍-7量表和失眠严重程度指数进行评估。

**统计分析**
描述性统计用于总结参与者的基本特征、工作变量、人格特征和社交媒体使用情况。这一步提供了样本的关键属性的清晰画像，并为后续分析奠定了基础。由于培训年份是一个具有三个水平的分类变量，因此在后续的BSMAS分数回归和交互作用分析中未包括这一因素，以保持模型的简洁性和易解释性。然而，为了阐明其对医学实习生社交媒体行为的影响，我们检查了其与常用社交媒体平台数量和BSMAS分数之间的关系。具体来说，进行了单因素方差分析，以确定三个培训年级（第一年、第二年和第三年）之间的平台数量和BSMAS分数是否存在差异。卡方检验用于比较这些组之间SMA的普遍情况。

**相关性和回归分析**
为了初步了解所有变量之间的相互关系，进行了Spearman相关性分析，并使用包含人口统计学、人格和心理健康指标的綜合热图进行了可视化。为了识别与SMA相关的因素，进行了单变量回归分析，以评估每个独立变量（年龄、性别、人格特征和社交媒体使用）与因变量（BSMAS分数）之间的关系。心理健康结果（患者健康问卷-9、广泛性焦虑障碍-7和失眠严重程度指数）被排除在独立变量之外，以防止多重共线性，并确保分析集中于潜在的预测因素，而不是共存的心理症状。在此基础上，使用逻辑回归来通过选择最相关的变量来改进模型（BSMAS ≥24）。这种方法利用了量表的全部信息，同时明确了最重要的诊断指标。按住院年份（第一年、第二年和第三年）进行了分层分析，并在每个亚组内重复了逻辑回归分析。

**中介效应和调节效应分析**
根据“人-情感-认知-执行”模型对成瘾行为的预测因素进行了分类[20,21]。相应地，变量被分为相对稳定的倾向因素（包括精神病史、身体健康问题和人格特质）和更具动态性的因素（如职业倦怠和夜班频率）。我们假设这些动态因素介导或调节了稳定预测因素与BSMAS严重程度之间的关联。为了验证这一假设，进行了两组分析：（1）中介效应分析，以检验动态因素是否介导了稳定预测因素对BSMAS分数的影响（使用5000个自助法样本）；（2）调节效应分析，以评估动态因素是否改变了稳定预测因素与BSMAS分数之间的关系。

**结果**
**人口统计学和描述性统计：研究人群特征**
共有3621名医学培训生参与了分析。平均年龄为25.3岁（标准差2.5岁），样本中有1567名（43.2%）男性和2054名（56.8%）女性。参与者在住院年份上分布均匀。总体而言，1065名（29.4%）参与者报告有身体健康问题，707名（19.5%）报告有精神病史，472名（13%）接受过心理治疗，1176名（32.5%）报告有经济负担。近60%（n=2173）的参与者是独生子女。详细的人口统计特征见表1，事后结果见多媒体附录1中的表S1-S9和图S1-S3。

**表1. 参与2024年8月29日至2024年9月10日全国性横断面匿名在线调查的中国医学培训生的人口统计和基线健康特征（N=3621）**
| 特征 | 值 |
|-------------------|------------|
| 年龄（岁），平均值（标准差） | 25.3 (2.5) |
| 性别，n (%) | 男 | 1567 (43.2) | 女 | 2054 (56.8) |
| 接住院年份，n (%) | 第一年 | 1657 (45.7) | 第二年 | 1159 (32) | 第三年 | 805 (22.2) |
| 身体健康问题（是），n (%) | 1065 (29.4) |
| 精神病史（是），n (%) | 707 (19.5) |
| 经济负担（是），n (%) | 1176 (32.5) |
| 独生子女状态（是），n (%) | 2139 (59) |
| 既往心理治疗（是），n (%) | 472 (13) |

**社交媒体使用与工作相关特征**
不同社交媒体使用组之间的性别分布存在显著差异（χ24=49.786；P<.001）。在每个性别内部，女性医学培训生中每天使用社交媒体2小时或更长时间的比例（1233/2054，60.1%）高于男性医学培训生（728/1567，46.5%）。使用时长与身体健康问题（χ24=29.894；P<.001）和精神病史（χ24=20.447；P<.001）显著相关，在社交媒体使用量极少的情况（≤1小时/天）和使用量过多的情况（>4小时/天）中，这两种情况的患病率都较高。经济负担在不同使用组之间也存在显著差异（χ24=33.250；P<.001）。年龄、既往心理治疗或独生子女状态方面未发现显著差异。关于工作相关变量，无论是少量使用还是过度使用社交媒体的人群，其职业倦怠得分都高于适量使用的人群（F4, 3616=14.393；P<.001）。夜班频率在不同组之间也存在差异（F4, 3616=5.088；P<.001），其中少量使用者的平均夜班频率较高。按使用类别划分的住院年份分布也存在显著差异（χ28=25.383；P=.001），随着住院年份的增加，过度使用社交媒体的情况变得更加普遍。详细信息见表2。

**表2. 按每日社交媒体使用时长分层的中国医学培训生的人口统计和工作相关特征（N=3621）**
| 特征 | ≤1小时 (n=404) | 1-2小时 (n=1256) | 2-3小时 (n=1069) | 3-4小时 (n=473) | >4小时 (n=419) |
| | | | | | |
| 年龄（岁），平均值（标准差） | 25.5 (2.64) | 25.39 (2.58) | 25.19 (2.36) | 25.24 (2.30) | 25.34 (2.39) |
| 性别，n (%) | 49.786 | | | | |
| | 男 | 125 (14.4) | 741 (47.3) | 387 (24.7) | 174 (11.1) | 167 (10.7) |
| | 女 | 179 (8.7) | 515 (25.1) | 682 (33.2) | 299 (14.6) | 252 (12.3) |
| | | | | | |
| 身体健康问题（是），n (%) | 153 (29.4) | 334 (26.6) | 308 (28.8) | 121 (25.6) | 149 (35.6) |
| | | | | | |
| 精神病史（是），n (%) | 104 (25.7) | 213 (17) | 193 (18.1) | 88 (18.6) | 97 (23.2) |
| | | | | | |
| 既往心理治疗（是），n (%) | 48 (11.9) | 146 (11.6) | 150 (14) | 69 (14.6) | 59 (14.1) |
| | | | | | |
| 独生子女状态（是），n (%) | 239 (59.2) | 747 (59.5) | 613 (57.3) | 290 (61.3) | 255 (60.9) |
| | | | | | |
| 经济负担（是），n (%) | 179 (44.3) | 412 (32.8) | 309 (28.9) | 143 (30.2) | 133 (31.7) |
| | | | | | |
| 接住院年份，n (%) | 191 (11.5) | 619 (37.4) | 469 (28.3) | 213 (12.9) | 165 (10) |
| | | | | | |
| | 第二年 | 114 (9.8) | 386 (33.3) | 376 (32.4) | 144 (12.4) | 139 (12) |
| | 第三年 | 99 (12.3) | 251 (31.2) | 224 (27.8) | 116 (14.4) | 115 (14.3) |
| | | | | | |
| 每月夜班次数，平均值（标准差） | 6.47 (6.08) | 5.44 (5.10) | 5.23 (5.24) | 4.98 (4.79) | 5.53 (5.89) |
| | | | | | |
| 职业倦怠，平均值（标准差） | 2.64 (1.31) | 2.28 (0.99) | 2.36 (0.96) | 2.21 (0.86) | 2.51 (1.14) |
| | | | | | |
| | | | | | |

**人格特质、社交媒体参与度和心理健康结果**
在五大人格特质中，开放性、尽责性、宜人性和情绪稳定性在不同组之间存在显著差异（所有F=3.09-8.32；所有P<.05），而外向性则没有。 moderate社交媒体使用的医学培训生表现出更有利的性格特征。频繁使用的社交媒体平台数量（F4, 3616=39.476；P<.001）、BSMAS分数（F4, 3616=48.023；P<.001）以及SMA的患病率（χ24=43.160；P<.001）随着社交媒体使用时间的延长而增加。心理健康结果也因使用时长而显著不同。抑郁、焦虑和失眠分数呈现出U形模式（所有F=20.82-24.83；所有P<.001），在少量使用和过度使用者中症状水平都高于适量使用者。详细信息见表3。

**表3. 按每日社交媒体使用时长分层的中国医学培训生的人格特质、社交媒体参与度指标和心理健康量表分数（N=3621）**
| 特征 | ≤1小时 | 1-2小时 | 2-3小时 | 3-4小时 | >4小时 |
| | | | | | |
| 开放性，平均值（标准差） | 0.44 (2.31) | 0.69 (2.21) | 0.72 (2.14) | 0.74 (2.21) | 0.38 (2.23) |
| | 3.091 | | | | |
| 尽责性，平均值（标准差） | 0.65 (2.53) | 1.13 (2.32) | 0.86 (2.29) | 0.78 (2.36) | 0.54 (2.32) |
| | 6.995 | | | | |
| 外向性，平均值（标准差） | –0.47 (2.66) | –0.37 (2.58) | –0.19 (2.61) | –0.42 (2.65) | –0.36 (2.71) |
| | 1.255 | | | | |
| 宜人性，平均值（标准差） | 2.10 (2.24) | 2.59 (2.04) | 2.50 (2.01) | 2.58 (2.06) | 2.30 (2.17) |
| | 5.344 | | | | |
| 情绪稳定性，平均值（标准差） | 0.82 (2.49) | 1.23 (2.39) | 1.04 (2.35) | 1.22 (2.40) | 0.52 (2.47) |
| | 8.319 | | | | |
| 平台数量，平均值（标准差） | 2.32 (1.66) | 2.80 (1.42) | 3.14 (1.43) | 3.29 (1.38) | 3.36 (1.70) |
| | 3.947 | | | | |
| BSMAS分数，平均值（标准差） | 13.07 (5.57) | 14.18 (4.78) | 15.64 (4.69) | 15.92 (4.93) | 16.90 (5.36) |
| | 48.023 | | | | |
| SMA患病率（n (%) | 19 (4.7) | 46 (3.7) | 63 (5.9) | 32 (6.8) | 51 (12.2) |
| | | | | | |
| PHQ-9分数，平均值（标准差） | 9.54 (8.01) | 6.63 (5.78) | 6.6 (5.27) | 6.4 (4.96) | 7.89 (6.3) |
| | 24.825 | | | | |
| GAD-7分数，平均值（标准差） | 7.07 (6.56) | 4.82 (4.97) | 4.81 (4.54) | 4.39 (4.31) | 5.78 (5.49) |
| | 21.607 | | | | |
| ISI分数，平均值（标准差） | 9.99 (8.02) | 7.09 (5.94) | 7.03 (5.81) | 6.84 (5.66) | 20.822 |
| | | | | | |

**相关性分析**
Spearman相关热图（图1）全面展示了人口统计、人格和心理健康变量之间的相互关系。具体而言，作为SMA指标的BSMAS分数与职业倦怠（r=0.23；P<.001）、频繁使用的社交媒体平台数量（r=0.15；P<.001）和每月夜班次数（r=0.04；P=.029）呈显著正相关。在心理健康结果方面，BSMAS分数与抑郁（r=0.38；P<.001）、焦虑（r=0.37；P<.001）和失眠（r=0.33；P<.001）有显著正相关。此外，BSMAS与几个分类风险因素也存在显著相关性：身体健康问题（r=0.19；P<.001）、精神病史（r=0.19；P<.001）和既往心理治疗（r=0.15，P<.001）都与成瘾严重程度呈正相关。就人格特质而言，尽责性（r=–0.23；P<.001）、稳定性（r=–0.29；P<.001）和宜人性（r=–0.25；P<.001）与BSMAS分数呈显著负相关。这些初步发现表明，SMA与系统性职业压力和个人心理脆弱性密切相关。

**图1. 中国医学培训生的人口统计、工作量、人格和心理健康变量之间的Spearman相关热图（N=3621）。数据来源于2024年8月29日至2024年9月10日的全国性横断面匿名在线调查。热图显示了所有分析变量之间的相关性，颜色在身体健康问题方面也观察到了类似的调节模式（β=?0.513；P=.002），受影响个体的SMA患病率随着职业倦怠程度的增加而上升（例如，8.5%、7.8%、11.4%、14%和16.1%）。其他交互作用效应均无统计学意义。根据培训年份进行的分层分析显示，职业倦怠在所有亚组中均显著增加了SMA的风险（第一年：OR 1.327，95% CI 1.112-1.582，P=.002；第二年：OR 1.442，95% CI 1.201-1.729，P<.001；第三年：OR 1.391，95% CI 1.123-1.722，P=.002），这与整体样本结果一致。只有在第二年的医学生中，身体健康问题与成瘾有关（OR 1.675，95% CI 1.154-2.429；P=.007）。精神病史在第二年（OR 1.675，95% CI 1.154-2.429；P=.007）和第三年（OR 1.586，95% CI 1.039-2.420；P=.03）的医学生中显示出显著效应，而在第一年的医学生中则没有这种关联。每日社交媒体使用时间在分层模型中不具有统计学意义（所有P>.100）。尽责性仅在第一年具有保护作用（OR 0.918，95% CI 0.850-0.991；P=.03），而在第二年和第三年则没有显著关联。除此之外，夜间班次频率是第二年医学生的另一个显著因素（OR 1.041，95% CI 1.008-1.076；P=.02），这表明在这一培训阶段工作强度起着独特的作用。更多详细结果请参阅多媒体附录1中的表S14-S16。

讨论
主要发现
在这项针对中国3621名医学生的横断面研究中，我们发现SMA（BSMAS ≥24）的患病率为5.8%（211/3621），其中第二年医学生的患病率最高（92/1159，7.9%），以及每天使用社交媒体超过4小时的学生患病率也最高（12.2%）。较高的职业倦怠、较长的每日使用时间、身体健康问题和精神病史显著增加了患SMA的风险，而尽责性则具有保护作用。此外，我们观察到每日社交媒体使用量与职业倦怠、身体健康问题、精神病史及心理健康结果（抑郁、焦虑和失眠）之间存在U形关联，这些情况都不如适度使用时理想。探索性分析进一步表明，职业倦怠和社交媒体使用时间是连接健康脆弱性和人格特质与SMA的关键途径。

SMA的患病率及其与心理健康结果的关系
使用临床临界值24的BSMAS进行的元分析表明，全球SMA的患病率约为8%（95% CI 4%-12%）[18]。在本研究中，医学生的SMA患病率为5.8%。尽管这一数字低于全球平均水平，但考虑到这一人群的职业需求和脆弱性，这一比率仍然具有临床意义。值得注意的是，当应用相同的诊断标准时，中国青少年的SMA患病率仅为3.49% [17]。此外，我们观察到，随着每日使用时间从适度增加到过度使用，SMA的患病率翻了一番甚至三倍（≤4小时为3.7%-6.8%，超过4小时为12.2%）。这种非线性增长表明，过度使用社交媒体是一个关键转折点，此时行为会从常规活动转变为临床上显著的成瘾。重要的是，无论采用何种阈值或分类方法，SMA始终与不良的心理健康结果相关。最近的纵向研究和元分析证实了SMA与注意力受损、慢性睡眠障碍（特别是失眠）以及抑郁和自杀意念风险显著增加之间的关联[22,23]。我们的发现进一步支持了这些关联，提供了更多证据表明SMA与医学生较差的心理健康结果密切相关。

社交媒体使用与心理健康结果之间的U形关联
长期以来，社交媒体使用一直被认为是心理健康问题的潜在相关因素[3]。基于对中国医学生的海量调查数据，无论是过度使用还是极少使用社交媒体都与较高的职业倦怠、抑郁、焦虑和失眠水平密切相关。值得注意的是，每周使用时间不超过1小时的学生报告了更重的经济负担和更频繁的夜班，表明他们面临着较大的职业压力。这些U形模式可能反映了在职业压力下的两种行为类型：极少使用与回避或脱离社会有关，而过度使用可能反映了以情绪为中心或逃避性的应对方式。这两种情况都比适度使用导致更差的心理健康结果，需要进一步通过纵向研究进行验证。这些发现反驳了社交媒体使用时间与心理和身体健康结果之间存在简单线性关系的观点。

职业倦怠作为SMA的途径和放大器
在整体样本和分层分析中，职业倦怠始终是SMA的一个显著预测因素。将职业倦怠视为一个可改变的风险因素为医学培训环境中的针对性干预措施提供了机会[24,25]。此外，我们的研究结果表明，职业倦怠作为一个中介因素，放大了精神病史和身体健康问题对SMA的负面影响，同时减弱了尽责性的保护作用。这一双重作用突显了减少数字依赖和保护医学生心理健康的重要性[26]。
职业倦怠与SMA之间的关联可能是由涉及下丘脑-垂体-肾上腺轴和中皮质边缘奖赏系统的神经生物学应激反应失调所驱动的[27]。与职业倦怠相关的长期压力会导致下丘脑-垂体-肾上腺轴的持续激活，最终导致神经内分泌衰竭和“抗奖励”大脑状态[28]。在这种状态下，自然奖励（如临床成功）变得不那么令人满足，大脑对来自数字微奖励（如“点赞”和通知）的多巴胺激增变得敏感。因此，职业倦怠的医学生可能会通过强迫性使用社交媒体来进行“自我治疗”，以对抗快感缺乏和情感麻木，从而形成病理性成瘾循环[29]。

分层结果的解读
分层分析确认，职业倦怠在所有住院年份中始终是SMA的一个一致预测因素。相比之下，其他预测因素仅表现出特定阶段的效果。身体健康问题和精神病史在第二年和第三年具有显著性，表明长期压力暴露会导致累积的脆弱性。此外，人格特质在心理健康中起着关键作用[30]；特别是尽责性仅在第一年具有保护作用，表明其具有早期缓冲效应。夜间班次频率在第二年独特地预测了成瘾，强调这一阶段是工作量和昼夜节律紊乱增加风险的关键转折点。

与以往研究的比较及跨文化视角
我们的发现与其他文化环境中的证据大体一致，并对其进行了扩展。例如，沙特阿拉伯的研究将医学生的SMA与更高的焦虑、较差的学业表现和更大的职业倦怠联系起来[31,32]。突尼斯的数据表明，问题性数字使用与自尊心降低有关[33]，而乌干达的数据则显示问题的数字使用与抑郁之间存在强烈关联[34]。多国研究进一步证实，增加的社交媒体使用与心理痛苦和学业成绩下降通过适应性不良的应对机制有关[35]。总体而言，这些研究表明，社交媒体使用、成瘾风险和职业倦怠之间的相互作用超越了文化界限，强调了职业倦怠作为一个普遍干预目标的重要性，同时也突显了培训要求和社会支持等情境因素的影响。

局限性
首先，横断面设计无法确定明确的因果关系。虽然我们的研究结果表明职业倦怠增加了SMA的风险，但也可能存在双向关系。未来的研究应采用纵向设计来更准确地确定因果关系。其次，数据基于自我报告，容易受到回忆偏差和社会期望偏见的影响，这可能影响了患病率和使用情况的准确性。未来的研究可以通过纳入客观的社交媒体使用测量来提高数据准确性。第三，本研究仅针对中国医学生，限制了其结果的普遍性。不同国家之间的社会和文化背景、医疗体系和社交媒体使用习惯可能存在显著差异。未来的研究应进行跨文化比较以验证这些发现。

未来方向
为了在这一研究的基础上进一步探讨，未来的研究应采用纵向设计来确定职业倦怠、身体健康问题与SMA发展之间的因果关系。定性研究可以通过探索极少使用和过度使用社交媒体者的实际经历来提供有价值的背景信息，有助于验证和丰富“两种类型”假说。需要干预研究来测试以职业倦怠为重点的项目在减少该人群SMA患病率和严重程度方面的效果。这些研究将为解决这一新兴健康问题提供有效策略的证据。

结论
本研究系统地描述了中国医学生的SMA情况。职业倦怠是最稳定的SMA相关因素，既作为一个独立的风险因素，也作为放大精神病史、身体健康问题和人格特质影响的途径。社交媒体使用时间与不良心理健康结果之间存在U形关联，无论是极少使用还是过度使用都与适度使用时相比情况更差，表明在职业压力下存在不同但适应不良的使用模式。分层分析进一步表明，不同住院年份之间存在特定阶段的脆弱性。总的来说，医学生的SMA反映了系统性的工作压力、个体脆弱性和行为应对模式之间的相互作用。因此，干预措施应超越监测屏幕使用时间，优先考虑减少职业倦怠和支持性培训环境，以降低成瘾风险。