Association between online social anxiety in middle students with depressive symptoms and sleep quality
-
摘要:
目的 识别中学生线上社交焦虑的潜在类别，并进一步分析不同潜类别与抑郁症状、睡眠质量的关联。 方法 于2020年10—12月，采用方便整群随机抽样方法选取辽宁省4所中学1 402名初、高中学生，采用线上社交焦虑问卷(SAS-SMU)、流调中心抑郁量表(CES-D)和匹兹堡睡眠质量指数(PQSI)进行问卷调查，对数据进行潜在剖面分析及Logistic回归分析。 结果 中学生线上社交焦虑分为低线上社交焦虑型(47.00%，659名)、中线上社交焦虑型(43.37%，608名)和高线上社交焦虑型(9.63%，135名)3个潜在类别。Logistic回归分析结果显示，控制人口学变量后，中线上社交焦虑型和高线上社交焦虑型与抑郁症状(β值分别为1.22，2.23，P值均 < 0.01)和睡眠质量(β值分别为0.85，1.68，P值均 < 0.01)均呈正相关。 结论 中学生的线上社交焦虑存在异质性。学校和家庭应关注线上社交焦虑水平较高的中学生，防止出现抑郁症状和睡眠问题，促进心理健康发展。 Abstract:Objective To identify the latent classes of various online social anxiety among middle school students and further analyze its correlation with depressive symptoms and sleep quality. Methods From October to December in 2020, a total of 1 402 students were randomly selected from 4 middle schools in Liaoning Province by convenient cluster random sampling method. Students completed the Social Anxiety Scale for Social Media Users(SAS-SMU), the Center for Epidemiologic Studies Depression Scale(CES-D) and Pittsburgh Sleep Quality Index(PSQI). Latent Profile Analysis(LPA) was used to identify online social anxiety types. Logistic regression analysis was used to explore the associations between online social anxiety, sleep quality. Results Online social anxiety among middle school students was classified into three potential categories: low online social anxiety type (47.00%, 659), medium online social anxiety type (43.37%, 608), and high online social anxiety type(9.63%, 135). Logistic regression analysis revealed that after controlling for demographic variables, medium online social anxiety type and high online social anxiety type significantly and positively predicted depressive symptoms (β=1.22, 2.23, P < 0.01) with sleep quality (β=0.85, 1.68, P < 0.01). Conclusion There is heterogeneity in online social anxiety among middle school students. Schools and families should pay attention to middle school students with high levels of online social anxiety to prevent depressive symptoms and sleep problems and to promote psychologically healthy development. -
Key words:
- Anxiety /
- Depression /
- Sleep /
- Mental health /
- Regression analysis /
- Students
1) 利益冲突声明 所有作者声明无利益冲突。 -
《中国国民心理健康蓝皮书(2020)》指出，24.6%的青少年有抑郁症状，84.1%~90.8%的青少年存在睡眠不足问题[1]。良好的情绪、充足的睡眠是青少年心理健康的重要测量指标。抑郁症状、睡眠障碍不仅会降低青少年的生活满意度，也会对其心理及行为适应产生严重的负性影响[2-3]。随着网络社交模式的日趋发展与完善，很多网络社交过程中特有的不良情绪(线上社交焦虑)、不良行为(被动性社交网络使用)成为导致青少年抑郁症状、睡眠障碍等问题的网络情境诱发源[4-5]。线上社交焦虑是个体在社交媒体交往情境中感知到的紧张和恐惧等人际负性体验[6]。线上社交焦虑与现实社交焦虑一样，可以负向影响个体的心理与行为，损害个体的社会适应能力[7]。依据抑郁的人际理论，不良社交媒体使用往往会破坏人际关系，使个体的交往需要得不到满足，产生对人际交往的焦虑和恐惧，进而容易出现抑郁情绪[8]。不仅如此，社交焦虑也是导致生理伤害(睡眠质量)的前因预测变量[9]。有研究已证实，社交焦虑与青少年抑郁症状、睡眠质量等均密切相关[10-11]。本研究以辽宁省中学生为研究对象，采用潜在剖面分析方法对中学生线上社交焦虑进行分类，确定中学生群体存在的线上社交焦虑潜在类别[12]，甄别高线上社交焦虑个体，进而分析不同线上社交焦虑潜类别与抑郁症状、睡眠质量的关联。
1. 对象与方法
1.1 对象
采用方便整群随机抽样方法，从辽宁省沈阳市及朝阳市选取初中和高中各2所，再使用抽签法从每所学校的非毕业年级各抽取7~12个班，经过学校领导、班主任及学生本人知情同意后，以班级为单位于2020年10—12月进行集体施测。共发放问卷1 500份，剔除漏选、多选的被试，最终得到有效问卷1 402份，有效率为93.47%。被试均为匿名自愿填写，其中男生597名，女生805名；初一学生288名，初二学生365名，高一学生486名，高二学生263名。年龄为12~18岁，平均年龄(15.02±1.47)岁。本研究获得了沈阳师范大学教育科学学院伦理委员会批准(20201001)。
1.2 调查工具
1.2.1 线上社交焦虑问卷(Social Anxiety Scale for Social Media Users, SAS-SMU)[13]
采用Alkis等编制，陈必忠等修订的社交媒体用户社交焦虑量表。该量表用于评估使用社交媒体平台时的社交焦虑水平，由20个题目构成，包括评价恐惧、交往焦虑和隐私担忧3个维度。采用5点计分，1代表“从来没有”至5代表“总是”，总分越高表明个体焦虑水平越高。基于本研究在青少年群体中进行测量，因此将有些不适合该群体的题目表述在测量前进行调整，并对问卷做信效度检验。本研究中该量表的Cronbach α系数为0.92，分半信度为0.84；验证性因素分析表明，RMSEA=0.08，CFI=0.91，NNFI=0.92，问卷结构效度良好。
1.2.2 匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index，PSQI)[14]
采用刘贤臣等修订的睡眠质量自评量表。该量表用于评定个体近1个月内的睡眠质量，由23个题目构成，包括睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍7个成分，采用4点计分，1代表“无”至4代表“≥3次/周”，各成分得分总和即为PSQI总分，总分越高表明个体睡眠质量越差。其中，睡眠质量总分>7分表明个体存在睡眠问题。本研究中该量表的Conbach α系数为0.74，分半信度为0.72；验证性因素分析表明，RMSEA=0.07，CFI=0.94，NNFI=0.91，问卷结构效度良好。
1.2.3 流调中心抑郁量表(Center for Epidemiologic Studies Depression Scale, CES-D)[15]
该量表用于评定被试最近一周出现各种感受的频率，由20个题目构成，包括抑郁情绪、积极情绪、躯体障碍和人际关系4个维度。采用4点计分，0代表“没有或几乎没有”至3代表“几乎一直有”，总分越高表明个体的抑郁程度越高。其中，抑郁症状总分≥36分代表存在抑郁症状[16]。本研究中该量表的Conbach α系数为0.89，分半信度为0.88；验证性因素分析表明，RMSEA=0.05，CFI=0.94，NNFI=0.93，问卷结构效度良好。
1.3 共同方法偏差检验
采用温忠麟等[17]推荐的双因子模型检验共同方法偏差，结果显示，未加方法因子的模型拟合指数：RMSEA=0.13，SRMR=0.09，CFI=0.76，TLI=0.70；增加方法因子的模型拟合指数：RMSEA=0.14，SRMR=0.11，CFI=0.78，TLI=0.71，其变化量均小于临界值，表明本研究数据中共同方法偏差并不严重。
1.4 质量控制
经过统一培训的应用心理学研究生为主试。测试前，主试使用统一的标准化指导语，向被试说明施测目的、匿名填写、真实作答，说明所有调查资料仅做研究之用。施测过程中营造轻松的氛围，缓解学生填写的压力感，并对产生情绪波动的学生及时安抚。测试后，由主试统一回收问卷并进行筛选和数据录入。
1.5 统计学方法
采用Mplus 8.0统计软件进行验证性因素分析，验证问卷结构效度。进一步采用潜在剖面分析(LPA)，探索中学生线上社交焦虑的潜在类别，其中统计指标Log、AIC、BIC和aBIC值越小表示模型拟合越好；Entropy值>0.8表示分类准确率可接受；LMRT和BLRT值显著，表示K个类别的模型比K-1个类别的模型更佳[18]。采用SPSS 25.0进行描述统计和χ2检验，探究不同潜类别的群体在人口学变量上的差异，采用Logistic回归分析评估不同潜类别线上社交焦虑对睡眠质量及抑郁症状的相对危险度，检验水准α=0.05。
2. 结果
2.1 中学生线上社交焦虑类型潜在剖面
为区分中学生线上社交焦虑的类型，以SAS-SMU量表 20个条目为指标，分别抽取中学生线上社交焦虑1~7个类别进行潜在剖面分析。由表 1可知，中学生潜在剖面分析的AIC、BIC和aBIC等拟合指标的变化从模型1开始逐渐变小，在模型7中，LMRT值不显著。模型3的LMRT和BLRT值均达到显著水平，且Entropy值为0.92。虽然模型4的AIC和aBIC值小于三分类模型，但LMRT无统计学意义(P=0.12)。与其他数量类型模型相比，模型3能较好地反映线上社交焦虑的实际情况。
表 1 中学生线上社交焦虑的潜在剖面分析拟合指数(n=1 402)Table 1. Potential profile analysis fit indices of online social anxiety among middle school students(n=1 402)模型 K Log(L) AIC值 BIC值 aBIC值 Entropy值 PLMRT值 PBLRT值 1 40 -45 489.07 91 058.14 91 267.97 91 140.90 - - - 2 61 -41 997.88 84 117.76 84 437.75 84 243.98 0.91 0.00 0.00 3 82 -40 874.10 81 912.19 82 342.34 82 081.85 0.92 0.00 0.00 4 106 -40 482.46 81 170.92 81 711.22 81 384.03 0.87 0.12 0.00 5 124 -40 16816 80 584.32 81 234.78 80 840.88 0.87 0.22 0.00 6 145 -39 959.07 80 208.13 80 968.75 80 508.14 0.86 0.14 0.00 7 166 -39 794.15 79 920.30 80 791.08 80 263.76 0.85 0.62 0.00 2.2 线上社交焦虑类型分类
中学生线上社交焦虑的3种潜在类别在各维度间均无交点，不同类别的形态变化趋于一致。类别1中学生的线上社交焦虑各维度值在5.89~17.01，事后检验显示线上社交焦虑各维度均低于其他类别，共有659名，占比47.00%，命名为“低线上社交焦虑型”；类别2中学生的线上社交焦虑各维度值在9.71~27.56，事后检验显示线上社交焦虑各维度均处于中间水平，共有608名，占比43.37%，命名为“中线上社交焦虑型”；类别3中学生的线上社交焦虑各维度值在14.69~40.13，事后检验显示线上社交焦虑各维度均高于其他类别，共有135名，占比9.63%，命名为“高线上社交焦虑型”。
2.3 线上社交焦虑潜类别分布特征
中学生线上社交焦虑的潜类别分布在性别、生源地和留守经历上差异均有统计学意义(P值均 < 0.05)，而在学段和独生子女上差异均无统计学意义(P值均>0.05)。见表 2。
表 2 不同人口学变量中学生线上社交焦虑潜在类别分布比较Table 2. Comparison of the distribution of potential categories of online social anxiety among middle school students in different demographic variables人口统计学指标 选项 人数 低线上社交焦虑型 中线上社交焦虑型 高线上社交焦虑型 χ2值 性别 男 597 321(53.8) 229(38.3) 47(7.9) 19.47** 女 805 338(42.0) 379(47.1) 88(10.9) 生源地 城市 544 265(48.7) 249(45.8) 30(5.5) 17.37** 农村 858 394(46.0) 359(41.8) 105(12.2) 留守经历 是 157 60(38.2) 79(50.3) 18(11.5) 6.49* 否 1 245 599(48.1) 529(42.5) 117(9.4) 学段 初中 653 289(44.3) 285(43.6) 79(12.1) 5.12 高中 749 334(44.6) 351(46.9) 64(8.5) 独生子女 是 957 464(48.5) 385(40.2) 108(11.3) 5.27 否 445 226(50.8) 187(42.0) 32(7.2) 注：*P < 0.05，**P < 0.01；()内数字为构成比%。 2.4 线上社交焦虑与抑郁症状、睡眠质量的Logistic回归分析
将性别、学段、生源地、独生子女和留守经历纳入回归方程并设置哑变量后，分析不同线上社交焦虑类型对抑郁症状和睡眠质量的影响。二元Logistic回归分析结果表明，与类别1相比，类别2和类别3与抑郁症状(β值分别为1.22，2.23，P值均 < 0.01)和睡眠质量(β值分别为0.85，1.68，P值均 < 0.01)均呈正相关。见表 3。
表 3 中学生线上社交焦虑潜类别与抑郁症状及社交焦虑的Logistic回归分析(n=1 402)Table 3. Logistic regression analysis of online social anxiety latent category with depressive symptoms and social anxiety among middle school students(n=1 402)潜在类别 抑郁症状 睡眠质量 β值 标准误 Wald χ2值 OR值(OR值95%CI) P值 β值 标准误 Wald χ2值 OR值(OR值95%CI) P值 1 1.00 1.00 2 1.22 0.12 97.56 3.39(2.62~4.23) < 0.01 0.85 0.15 34.11 2.35(1.76~3.12) < 0.01 3 2.23 0.25 78.34 9.27(5.66~15.17) < 0.01 1.68 0.21 64.02 5.38(3.56~8.12) < 0.01 3. 讨论
本研究通过对中学生线上社交焦虑进行潜在剖面分析，发现中学生群体存在明显的分类特征，包括“低线上社交焦虑型”“中线上社交焦虑型”“高线上社交焦虑型”3种潜在类别；对3种类别中学生进行事后检验，两两比较发现，3个类别的中学生在线上社交焦虑的3个维度上得分差异有统计学意义，表明中学生线上社交焦虑存在异质性。此外，在被调查的中学生中，超过半数属于“中线上社交焦虑型”或“高线上社交焦虑型”两种类型，在一定程度上反映出，中学生在社交媒体使用过程中会经常感受到焦虑情绪体验。可以从两方面解释这一结果：首先，大部分中学生是使用微信、QQ及微博等网络社交媒体的主要人群，他们会不断地刷新社交平台上的信息，以确保自己及时获取最新资讯。这迫使中学生较频繁、密集地使用社交媒体，一旦错过交流信息或资讯信息，将出现焦虑情绪[19]。其次，处于青春期的中学生自我意识高涨，具有很强的自我形象管理意识，社交焦虑概念化模型指出，社交焦虑源于反复考虑他人是否喜欢和认可自己的形象，中学生通过社交媒体中的积极自我形象包装，呈现出改善的积极形象，期望在社交媒体上展示积极自我后能获得他人积极的反馈，而当他人反馈没能满足其期望时，则会在网络社交中产生焦虑情绪[20]。
本研究进一步发现不同性别、生源地及留守经历在线上社交焦虑的3种类别上差异有统计学意义。在线上社交焦虑的性别差异上，超半数女生分布在“中线上社交焦虑型”及以上，表明女生存在的线上社交焦虑问题更加严重，与以往类似研究结果一致[21]。与男生相比，女生对消极情绪的易感性更强，在网络社交中容易受到负性信息的影响，提高了诱发女生负性情绪的概率[22]，因此即便在虚拟社交中，女生体验到的焦虑情绪也高于男生。此外，还有研究显示，即使是在健康的网络环境下，女生也会对中性突发刺激产生焦虑情绪，这也增加了女生出现社交焦虑的可能性[23]。在生源地及留守经历的差异上，农村中学生分布在“高线上社交焦虑型”的比例高于城市学生，有留守经历的中学生“中线上社交焦虑型”和“高线上社交焦虑型”发生率高于非留守学生。可能是在本次测量的样本中，大多数的留守学生是源自农村地区，这类学生由于常年与父母分离，缺乏父母的有效监管、缺少与父母的互动交流，导致他们的心理资本积累不足的风险性，而低心理资本者更可能出现不良社会适应，因此更容易出现社交焦虑等消极情绪[24]。受到网络社交的推动，多数外出打工的父母给留守中学生配备了智能手机，这些留守学生常利用网络社交与父母远程联系，但碍于自我控制能力的有限，在他们通过网络社交补偿了人际交往需求的同时，也会因无节制的使用网络而出现各种心理问题，而线上社交焦虑就是其中的一种表现。
本研究结果发现，与“低线上社交焦虑型”相比，“中线上社交焦虑型”与“高线上社交焦虑型”中学生是抑郁症状及睡眠问题的高发群体。在一定程度上说明了“低线上社交焦虑型”中学生会有较少的抑郁症状，拥有良好的睡眠质量，而“中线上社交焦虑型”和“高线上社交焦虑型”中学生则倾向有更多的抑郁症状，而且睡眠质量也相对较差。随着网络社交的广泛应用，青少年不仅可以在网络上获取到最新的资讯信息、更多的交流机会，而且还会遭受到网络人际(欺凌、排斥、攻击)伤害、被动性社交网站使用及问题性网络使用(成瘾、依赖、过度使用)挫伤。如有研究证实了网络受欺凌、被动性社交网站使用等对青少年社交焦虑有正向预测作用，而且网络情境引发的线下社交焦虑还会导致青少年抑郁症状等内化问题的出现[25-27]。在此基础上，本研究进一步证实线上社交焦虑对青少年抑郁症状有同样的预测作用。中学生会花费较长的时间沉浸于网络社交中，如果频繁或过度地使用社交媒体，会大大增加网络人际摩擦及人际挫折的风险，无法满足人际交往的心理需求，继而出现了抑郁症状，这一结论契合了抑郁的人际理论观点[28]。另一方面，基于睡眠干扰过程理论，情绪唤醒与人际关系是干扰睡眠质量的重要因素[29]。中学生不仅可以借助网络社交、网络游戏缓解课业负担带来的压力，而且还可以通过网络社交表述情感诉求。中学生一旦在网络社交过程里受阻，他们将陷入焦虑不安的情绪中，甚至担心错过某些新资讯而难以入睡[30]。
尽管以往研究已证实线下社交焦虑对中学生睡眠质量有影响作用[31]，本研究也发现了线上社交焦虑同样会损害中学生的生理功能，即线下与线上社交焦虑对中学生的影响存在某种共同性。因此，教师和家长应切实关注中学生在网络社交媒体使用过程中的情绪问题，对于存在线上社交焦虑的学生要及时展开心理疏导，通过帮助他们合理分配上网时间，调整网络社交认知，以削弱线上社交焦虑对中学生带来的消极影响。
-
表 1 中学生线上社交焦虑的潜在剖面分析拟合指数(n=1 402)
Table 1. Potential profile analysis fit indices of online social anxiety among middle school students(n=1 402)
模型 K Log(L) AIC值 BIC值 aBIC值 Entropy值 PLMRT值 PBLRT值 1 40 -45 489.07 91 058.14 91 267.97 91 140.90 - - - 2 61 -41 997.88 84 117.76 84 437.75 84 243.98 0.91 0.00 0.00 3 82 -40 874.10 81 912.19 82 342.34 82 081.85 0.92 0.00 0.00 4 106 -40 482.46 81 170.92 81 711.22 81 384.03 0.87 0.12 0.00 5 124 -40 16816 80 584.32 81 234.78 80 840.88 0.87 0.22 0.00 6 145 -39 959.07 80 208.13 80 968.75 80 508.14 0.86 0.14 0.00 7 166 -39 794.15 79 920.30 80 791.08 80 263.76 0.85 0.62 0.00 
下载: 导出CSV
表 2 不同人口学变量中学生线上社交焦虑潜在类别分布比较
Table 2. Comparison of the distribution of potential categories of online social anxiety among middle school students in different demographic variables
人口统计学指标 选项 人数 低线上社交焦虑型 中线上社交焦虑型 高线上社交焦虑型 χ2值 性别 男 597 321(53.8) 229(38.3) 47(7.9) 19.47** 女 805 338(42.0) 379(47.1) 88(10.9) 生源地 城市 544 265(48.7) 249(45.8) 30(5.5) 17.37** 农村 858 394(46.0) 359(41.8) 105(12.2) 留守经历 是 157 60(38.2) 79(50.3) 18(11.5) 6.49* 否 1 245 599(48.1) 529(42.5) 117(9.4) 学段 初中 653 289(44.3) 285(43.6) 79(12.1) 5.12 高中 749 334(44.6) 351(46.9) 64(8.5) 独生子女 是 957 464(48.5) 385(40.2) 108(11.3) 5.27 否 445 226(50.8) 187(42.0) 32(7.2) 注：*P < 0.05，**P < 0.01；()内数字为构成比%。
下载: 导出CSV
表 3 中学生线上社交焦虑潜类别与抑郁症状及社交焦虑的Logistic回归分析(n=1 402)
Table 3. Logistic regression analysis of online social anxiety latent category with depressive symptoms and social anxiety among middle school students(n=1 402)
潜在类别 抑郁症状 睡眠质量 β值 标准误 Wald χ2值 OR值(OR值95%CI) P值 β值 标准误 Wald χ2值 OR值(OR值95%CI) P值 1 1.00 1.00 2 1.22 0.12 97.56 3.39(2.62~4.23) < 0.01 0.85 0.15 34.11 2.35(1.76~3.12) < 0.01 3 2.23 0.25 78.34 9.27(5.66~15.17) < 0.01 1.68 0.21 64.02 5.38(3.56~8.12) < 0.01
下载: 导出CSV
-
[1] 傅小兰, 张侃, 陈雪峰, 等. 中国国民心理健康发展报告(2019—2020)[ EB/OL]. (2021-01-01)[2021-06-09]. https://www.pishu.com.cn/skwx_ps/bookDetail?SiteID=14&ID=12369491.FU X L, ZHANG K, CHEN X F, et al. Report on national mental health development in China(2019-2020)[EB/OL]. (2021-01-01)[2021-06-09]. https://www.pishu.com.cn/skwx_ps/bookDetail?SiteID=14&ID=12369491. [2] 侯绪婧, 李文福, 陈美媛, 等. 压力性生活事件与大学生自杀意念: 抑郁的中介作用和睡眠质量的调节作用[J]. 医学教育研究与实践, 2019, 27(6): 1000-1004. https://www.cnki.com.cn/Article/CJFDTOTAL-XBYX201906019.htmHOU X J, LI W F, CHEN M Y, et al. Life events influenced suicide ideation of college students: mediating effect of depression and moderating effect of sleep quality[J]. Med Educ Res Pract, 2019, 27(6): 1000-1004. https://www.cnki.com.cn/Article/CJFDTOTAL-XBYX201906019.htm [3] 苏畅, 徐寰宇, 赖诗敏, 等. 四川农村中学生焦虑抑郁在社会支持与自杀意念间的作用[J]. 中国学校卫生, 2019, 40(6): 835-838. doi: 10.16835/j.cnki.1000-9817.2019.06.013SU C, XU H Y, LAI S M, et al. Mediating effects of anxiety and depression on social support and suicidal ideation among rural middle school students in Sichuan[J]. Chin J Sch Health, 2019, 40(6): 835-838. doi: 10.16835/j.cnki.1000-9817.2019.06.013 [4] 杨邦林, 林谷洋, 严由伟. 被动性社交网络使用对硕士生睡眠质量的影响: 一个有调节的中介模型[J]. 中国特殊教育, 2018(3): 83-90. doi: 10.3969/j.issn.1007-3728.2018.03.014YANG B L, LIN G Y, YAN Y W. The effect of the passive use of social networking sites on master's degree candidates' sleep quality: a mode of moderation-oriented mediation[J]. Chin J Spec Educ, 2018(3): 83-90. doi: 10.3969/j.issn.1007-3728.2018.03.014 [5] 文湘漓, 刘耀中, 倪亚琨, 等. 被动性社交网络使用与在线社交焦虑: 有调节的中介模型[J]. 中国临床心理学杂志, 2019, 27(4): 754-757. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201904025.htmWEN X L, LIU Y Z, NI Y K, et al. Passive use of social network site and its relationships with online social anxiety: a moderated mediating effect[J]. Chin J Clin Psychol, 2019, 27(4): 754-757. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201904025.htm [6] 陈必忠, 张绮琳, 张瑞敏, 等. 线上社交焦虑: 社交媒体中的人际负性体验[J]. 应用心理学, 2020, 26(2): 180-192. https://www.cnki.com.cn/Article/CJFDTOTAL-YXNX202002008.htmCHEN B Z, ZHANG Q L, ZHANG R M, et al. Online social anxiety: a negative interpersonal experience on social media[J]. Chin J Appl Psychol, 2020, 26(2): 180-192. https://www.cnki.com.cn/Article/CJFDTOTAL-YXNX202002008.htm [7] FRISON E, EGGERMONT S. Exploring the relationships between different types of Facebook use, perceived online social support, and adolescents' depressed mood[J]. Soc Sci Comput Rev, 2016, 34(2): 153-171. doi: 10.1177/0894439314567449 [8] STEWART J G, HARKNESS K L. Testing a revised interpersonal theory of depression using a laboratory measure of excessive reassurance seeking[J]. J Clin Psychol, 2017, 73(3): 331-348. doi: 10.1002/jclp.22338 [9] 王茹婧, 李虹, 倪士光, 等. 家庭功能对流动青少年睡眠质量的影响: 一个条件过程模型[J]. 中国临床心理学杂志, 2017, 25(4): 704-708. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201704024.htmWANG R J, LI H, NI S G, et al. Family function predicts the sleep qualitys among Chinese migrant adolescents[J]. Chin J Clin Psychol, 2017, 25(4): 704-708. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201704024.htm [10] TWENGE J M, JOINER T E, ROGERS M L, et al. Increases in depressive symptoms, suicide-related outcomes, and suicide rates among U.S. adolescents after 2010 and links to increased new media screen time[J]. Clin Psychol Sci, 2018, 6(1): 3-17. doi: 10.1177/2167702617723376 [11] 孙梦圆, 刘堃. 孤独感在中学生社交焦虑与抑郁症状间的中介作用分析[J]. 中国卫生统计, 2018, 35(6): 926-928. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGWT201806034.htmSUN M Y, LIU K. Analysis of the mediating role of loneliness between social anxiety and depressive symptoms in middle school students[J]. Chin J Health Stat, 2018, 35(6): 926-928. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGWT201806034.htm [12] 张玉青, 郭成. 中学生学校适应潜在类别及其生活满意度比较[J]. 中国学校卫生, 2018, 39(6): 890-893. doi: 10.16835/j.cnki.1000-9817.2018.06.026ZHANG Y Q, GUO C. Latent classes of school adjustment and associated life satisfaction among middle school students[J]. Chin J Sch Health, 2018, 39(6): 890-893. doi: 10.16835/j.cnki.1000-9817.2018.06.026 [13] 陈必忠, 张瑞敏, 张绮琳, 等. 社交媒体用户社交焦虑量表在中国大学生中的初步应用[J]. 中国临床心理学杂志, 2020, 28(6): 1190-1193, 1198. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY202006023.htmCHEN B Z, ZHANG R M, ZHANG Q L, et al. Reliability and validity of the social anxiety scale for social media users (SAS-SMU) in Chinese university students[J]. Chin J Clin Psychol, 2020, 28(6): 1190-1193, 1198. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY202006023.htm [14] 刘贤臣, 唐茂芹, 胡蕾, 等. 匹兹堡睡眠质量指数的信度和效度研究[J]. 中华精神科杂志, 1996, 29(2): 103-107. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHMA199602018.htmLIU X C, TANG M Q, HU L, et al. Reliability and validity of the Pittsburgh sleep quality index[J]. Chin J Psychiatry, 1996, 29(2): 103-107. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHMA199602018.htm [15] 章婕, 吴振云, 方格, 等. 流调中心抑郁量表全国城市常模的建立[J]. 中国心理卫生杂志, 2010, 24(2): 139-143. doi: 10.3969/j.issn.1000-6729.2010.02.015ZHANG J, WU Z Y, FANG G, et al. Development of the Chinese age norms of CES-D in urban area[J]. Chin Ment Health J, 2010, 24(2): 139-143. doi: 10.3969/j.issn.1000-6729.2010.02.015 [16] 钱淑红, 张克峰, 段一鑫. 大学生非自杀性自我伤害与冲动性和抑郁症状的关系[J]. 中国心理卫生杂志, 2020, 34(11): 945-949. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXWS202011012.htmQIAN S H, ZHANG K F, DUAN Y X. Relationship among non-suicidal self-injury, impulsivity and depressive symptoms in college students[J]. Chin Ment Health J, 2020, 34(11): 945-949. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXWS202011012.htm [17] 温忠麟, 黄彬彬, 汤丹丹. 问卷数据建模前传[J]. 心理科学, 2018, 41(1): 204-210. https://www.cnki.com.cn/Article/CJFDTOTAL-XLKX201801030.htmWEN Z L, HUANG B B, TANG D D. Preliminary work for modeling questionnaire data[J]. J Psychol Sci, 2018, 24(1): 204-210. https://www.cnki.com.cn/Article/CJFDTOTAL-XLKX201801030.htm [18] MUTHÉ N, MUTHÉ N C. Mplus: statistical analysis with latent variables (Version 4.21) computer software[C]. Calofornia: International Conference on Transparent Optical Networks, 2007. [19] DUAN W, HE C, TANG X. Why do people browse and post on WeChat moments?Relationships among fear of missing out, strategic self-presentation, and online social anxiety[J]. Cyberpsychol Behav Soc Netw, 2020, 23(10): 708-714. doi: 10.1089/cyber.2019.0654 [20] SCHLENKER B R, LEARY M R. Social anxiety and self-presentation: a conceptualization and model[J]. Psychol Bull, 1982, 92(3): 641-669. doi: 10.1037/0033-2909.92.3.641 [21] 张婷, 张大均. 中学新生心理素质与社交焦虑的关系: 自尊和领悟社会支持的中介作用[J]. 西南大学学报(自然科学版), 2019, 41(2): 39-45. https://www.cnki.com.cn/Article/CJFDTOTAL-XNND201902007.htmZHANG T, ZHANG D J. The relationship between middle school freshmen's psychological suzhi and social anxiety: the mediating role of self-esteem and perceived social support[J]. J Southwest Univ(Nat Sci Ed), 2019, 41(2): 39-45. https://www.cnki.com.cn/Article/CJFDTOTAL-XNND201902007.htm [22] YUAN J, LOU Y, YAN J H, et al. Neural correlates of the females' susceptibility to negative emotions: an insight into gender-related prevalence of affective disturbances[J]. Hum Brain Mapp, 2009, 30(11): 3676-3686. doi: 10.1002/hbm.20796 [23] YUAN J J, YANG J M, CHEN J, et al. Enhanced sensitivity to rare, emotion-irrelevant stimuli in females: neural correlates[J]. Neuroscience, 2010, 169(4): 1758-1767. doi: 10.1016/j.neuroscience.2010.06.024 [24] 吴旻, 孙丽萍, 梁丽婵, 等. 农村小学寄宿生心理资本的异质性及其社会适应: 基于潜在剖面分析的证据[J]. 心理与行为研究, 2021, 19(2): 186-192. https://www.cnki.com.cn/Article/CJFDTOTAL-CLXW202102007.htmWU M, SUN L P, LIANG L C, et al. Heterogeneity of psychological capital of rural primary boarders and its social adaptation: evidence based on latent profile analysis[J]. Stud Psychol Behav, 2021, 19(2): 186-192. https://www.cnki.com.cn/Article/CJFDTOTAL-CLXW202102007.htm [25] 张丛丽, 周宗奎. 被动性社交网站使用、社交焦虑、反刍思维与青少年抑郁的关系: 有调节的中介效应分析[J]. 中国临床心理学杂志, 2018, 26(3): 490-493, 497. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201803016.htmZHANG C L, ZHOU Z K. Passive social network site use, social anxiety, rumination and depression in adolescents[J]. Chin J Clin Psychol, 2018, 26(3): 490-493, 497. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201803016.htm [26] 童媛添, 邱晓雯, 连帅磊, 等. 社交网站上行社会比较对青少年抑郁的影响: 社交焦虑的中介作用[J]. 中国临床心理学杂志, 2017, 25(3): 498-501. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201703022.htmTONG Y T, QIU X W, LIAN S L, et al. Upward social comparison in social network site and depression: mediating of social anxiety[J]. Chin J Clin Psychol, 2017, 25(3): 498-501. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY201703022.htm [27] 汪倩倩, 范翠英, 褚晓伟. 青少年网络受欺负与网络欺负的关系: 一个有调节的中介模型[J]. 心理发展与教育, 2020, 36(2): 216-227. https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202002011.htmWANG Q Q, FAN C Y, CHU X W. The relationship between adolescent cybervictimization and cyberbullying: a moderated mediated model[J]. Psychol Dev Educ, 2020, 36(2): 216-227. https://www.cnki.com.cn/Article/CJFDTOTAL-XLFZ202002011.htm [28] SMITH R H, KIM S H. Comprehending envy[J]. Psychol Bull, 2007, 133(1): 46-64. doi: 10.1037/0033-2909.133.1.46 [29] LUNDH L G, BROMAN J E. Insomnia as an interaction between sleep-interfering and sleep-interpreting processes[J]. J Psychosom Res, 2000, 49(5): 299-310. doi: 10.1016/S0022-3999(00)00150-1 [30] WOODS H C, SCOTT H. Sleepyteens: social media use in adolescence is associated with poor sleep quality, anxiety, depression and low self-esteem[J]. J Adolesc, 2016, 51: 41-49. doi: 10.1016/j.adolescence.2016.05.008 [31] 王伟, 李哲, 雷雳, 等. 移动社交媒介过度使用对青少年孤独感、焦虑和睡眠质量的影响[J]. 医学与哲学(B), 2017, 38(4): 71-74. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZL201704021.htmWANG W, LI Z, LEI L, et al. The effect of mobile social media overuse on adolescents' loneliness anxiety and sleep quality[J]. Med Philos(B), 2017, 38(4): 71-74. https://www.cnki.com.cn/Article/CJFDTOTAL-YXZL201704021.htm 期刊类型引用(16)
1. 黄月，韩征强，王奥，薛云珍，郑川薇，张钰苒，李亚霖. 基于CiteSpace的儿童青少年社交焦虑的热点与前沿趋势分析. 军事护理. 2025(02): 21-25 . 
百度学术2. 刘彦，崔英豪，刘玮. 数字时代“社恐”青年群体社交研究——基于社会行动理论视角. 广西青年发展研究. 2025(01): 1-9 . 百度学术3. 陈雅洁，王静，顾春华，黄凌，梁超. 上海市浦东新区九年义务教育学生睡眠质量及影响因素研究. 健康教育与健康促进. 2024(01): 5-9 . 百度学术4. 周铭宇，张珊珊. 网络受欺凌与大学生抑郁的关系：线上社交焦虑和领悟社会支持的作用. 中国健康心理学杂志. 2024(05): 794-800 . 百度学术5. 陶剑，刘月芹，杨品，杨洁茹，吴后艳，周菲惠，潘丽娟，徐洪吕. 云南大学生手机依赖与抑郁症状的纵向关联. 中国学校卫生. 2024(04): 554-559 . 本站查看6. 王娇，景永昇. 中国大学生社交焦虑和网络成瘾：近20年本土研究的Meta分析. 湖北中医杂志. 2024(10): 63-66 . 百度学术7. 丁吉，万芹，干敏雷，尹小俭，吴慧攀，马渊源，侯宇欣，李佳威，李勇，刘媛. 青少年家庭环境与抑郁症状的相关性. 中国学校卫生. 2023(05): 677-681 . 本站查看8. 薛秀梅，迟伟晨，靳丽丽. 初中生焦虑情绪现状以及影响因素分析. 心理月刊. 2023(12): 89-91 . 百度学术9. 刘海东，虞芷筠，叶宝娟，杨强. 家庭亲密度与大学生抑郁：社交焦虑和感恩的作用. 心理与行为研究. 2023(04): 556-563 . 百度学术10. 赵小云，张远美，陈孔琴. 特质正念对中职生社交焦虑的影响：一个链式中介模型. 淮北师范大学学报(哲学社会科学版). 2023(04): 108-113 . 百度学术11. 张紫航，周天梅，罗利，罗远淑，魏宇. 敬畏与中学生校园欺凌的关系：自我感知大小的中介作用. 内江师范学院学报. 2023(10): 19-24+32 . 百度学术12. 孙鹏，马明坤，张银玲，扎西郎措. 高海拔地区藏族青少年社交焦虑状况及其与睡眠时长关系. 中国学校卫生. 2023(11): 1670-1673+1678 . 本站查看13. 张雨晨. 助眠APP的市场现状与发展前景分析——基于泰安市市民睡眠情况调研. 现代营销(经营版). 2022(03): 151-153 . 百度学术14. 李俊，王文静，徐涵文，彭洁丽，冯怡，阮春风. 上海市村居公共卫生应急联防联控人员焦虑、抑郁现况及影响因素分析. 职业卫生与应急救援. 2022(05): 554-559 . 百度学术15. 史吉光，王淑合，樊振宇. 大学生网络社交偏好与社交焦虑的关系研究. 网络安全技术与应用. 2022(12): 69-71 . 百度学术16. 黄良荣，吴文峰. 大三人格特征与社交焦虑的关系：基于国内实证研究的元分析. 内江师范学院学报. 2022(12): 12-18+33 . 百度学术其他类型引用(17)
-
下载:
点击查看大图
计量
- 文章访问数: 1274
- HTML全文浏览量: 514
- PDF下载量: 108
- 被引次数: 33
