Relationship among screen time, depressive symptoms and sleep parameters among college students
-
摘要:
目的 探讨大学生白天和夜晚视屏时长、睡眠时长、就寝时间、睡眠质量与抑郁症状间的关联，为预防大学生抑郁症状提供参考。 方法 于2022年10月和2023年4—5月，采用整群随机抽样方法选取北京市某高校1 259名大学生进行线上和线下问卷调查，使用匹兹堡睡眠质量指数(PSQI)、中国版贝克抑郁量表第2版(BDI-II-C)和视屏时长问卷测量睡眠参数、抑郁症状和视屏时间。采用Logistic有序回归和多元线性回归分析视屏时长、睡眠参数与抑郁症状的相关性。 结果 大学生抑郁症状的检出率为24.9%。控制一周夜晚视屏时长、性别和年龄后，一周白天视屏时长与抑郁症状风险相关无统计学意义(OR=1.00，95%CI=1.00~1.01，P>0.05)。控制一周白天视屏时长、性别和年龄后，一周夜晚视屏时长与抑郁症状风险升高有统计学意义(OR=1.05，95%CI=1.03~1.06，P < 0.01)，但相继控制了学习日睡眠时长、休息日就寝时间和睡眠质量后，一周夜晚视屏时长与抑郁症状风险升高相关无统计学意义(OR=1.01，95%CI=0.99~1.02，P>0.05)。校正性别和年龄后，经多元线性回归分析发现，一周夜晚视屏时长对学习日睡眠时长、休息日就寝时间和睡眠质量的预测均有统计学意义(β值分别为-0.29，0.45，0.26，P值均 < 0.05)，学习日睡眠时长、休息日就寝时间及睡眠质量与抑郁症状均呈正相关(OR值分别为1.27，1.39，1.45，P值均 < 0.01)。 结论 过度夜间视屏对睡眠问题和抑郁症状风险的影响更大。减少夜间视屏、改善睡眠习惯是减少大学生抑郁症状的潜在干预目标。 Abstract:Objective To explore the relationship between daytime or nighttime screen time, sleep duration, bedtime, sleep quality and depressive symptoms, so as to provide reference for preventing depression symptoms in college students. Methods A total of 1 259 college students in one university in Beijing were recruited by using a cluster random sampling method for online and offline questionnaire surveys in October 2022 and April to May 2023. The sleeping quality, depression symptoms and screen time of participants were measured with the Pittsburgh Sleep Quality Index(PSQI), Chinese Version of the Beck Depression Inventory-II (BDI-II-C) and Screen Time Questionnaire. Logistic ordered regression and multiple linear regression were used to analyze the correlation among screen time, sleep parameters and depressive symptoms. Results The prevalence of depressive symptoms was 24.9%. There was no significant correlation between daytime screen time and depressive symptoms for a week after controlling for night screen time in a week, gender and age (OR=1.00, 95%CI=1.00~1.01, P>0.05). There was a significant correlation between night screen time and depressive symptoms for a week (OR=1.05, 95%CI=1.03~1.06, P < 0.01) after controlling for daytime screen time in a week, gender and age. However, after controlling for the weekday sleep duration, weekend bedtime, and sleep quality step by step, there was no significant correlation between the night screen time for a week and the depressive symptoms (OR=1.01, 95%CI=0.99~1.02, P>0.05). After adjusting for gender and age, multiple linear regression analysis found that the duration of one week's night vision screen had statistical significance in predicting weekday sleep duration, weekend sleep time and sleep quality (β=-0.29, 0.45, 0.26, P < 0.05). There were positive correlation between the duration of sleep on study days, the duration of sleep on rest days, and the quality of sleep with depressive symptoms(OR=1.27, 1.39, 1.45, P < 0.01). Conclusions Excessive night screen time has a greater impact on sleep problems and depressive symptoms. Reducing nighttime video and improving sleep habits are potential intervention goals for reducing depression symptoms in college students. -
Key words:
- Fixation, ocular /
- 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。 -
“数字化”时代下，大学生普遍暴露于电子屏幕。视屏行为与大学生的一些负面健康后果相关，如睡眠问题[1-2]和抑郁症状[2-4]。部分研究已证实视屏活动与抑郁症状呈正相关[2]；也有报道显示，睡眠时长和失眠在视屏时长和抑郁症状间的关联中发挥中介作用[5]；还有研究发现校正睡眠时长后，视屏时长>2 h/d与抑郁症状仍有相关性[6]，但缺乏对其他睡眠参数，如就寝时间等的检测。前期研究报道与抑郁行为有关的神经回路在夜间更容易被蓝光激发，兴奋度更高，引发了抑郁行为[7]，似乎夜间视屏对抑郁症状有更大的影响效应，但是视屏活动与抑郁症状之间除了光线的影响外还可能有其他因素。本研究旨在分析不同时段视屏时长、睡眠时长、就寝时间和睡眠质量与大学生抑郁症状的关联，为预防大学生抑郁症状的发生提供参考。
1. 对象与方法
1.1 对象
采用整群随机抽样方法，在北京城市学院以班级为单位，用直接抽选法从3个学部的一至三年级进行整群抽样，共抽取了50个班级的学生作为研究对象。有1 431名参与者提供了完整的客观测量数据，1 259名提供了有效调研数据，有效率为88.0%。其中，男生319名，女生940名；平均年龄(19.53±1.42)岁。本研究开展前已通过北京城市学院教育学部学术委员会伦理审核，所有测试均获得被试的知情同意。
1.2 方法
于2022年10月和2023年4—5月，通过问卷星和线下问卷进行调查，以班级为单位，由辅导员辅助将问卷星推到班级微信群或在班会上进行填写。问卷上有统一指导语且强调问卷作答的真实性和个人信息的保密性。问卷设有甄选题项；剔除规律填写、填写逻辑有误(题项作答冲突)等问卷。
1.2.1 视屏时间调查
将一天以19:00为界分为白天和晚上。收集过去2周内通常情况下，学习日和休息日、白天和晚上平均使用电脑、手机、平板等电子产品的时间(仅限视屏时间，听不计算在内)。
1.2.2 睡眠质量和睡眠情况
个体睡眠质量采用匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index，PSQI)测量[8]。问卷由19个自评和5个他评条目组成，其中第19个自评条目和5个他评条目不参与计分。参与计分的18个条目分为主观睡眠质量、睡眠潜伏期、睡眠时长、睡眠效率、睡眠障碍、催眠药物及日间功能7个维度，每个维度按0~3分计分，总分0~21分，总分越高表示个体睡眠质量越差。以往研究显示PSQI中文版信效度良好[9]。问卷中的睡眠时长分别按学习日或休息日调研最近2周以来的通常就寝时间、晨醒时间，再求得日均睡眠时长(含午睡)。本研究中该量表的Cronbach α系数为0.76。
1.2.3 抑郁症状
使用中国版贝克抑郁量表第2版(Chinese Version of the Beck Depression Inventory-II, BDI-II-C)[10]评估过去2周内抑郁症状的严重程度，共21个条目，每个条目为0~3级评分，总分0~63分，0~13分为无抑郁，14~19分为轻度抑郁症状，20~28分为中度抑郁症状，29~63分为重度抑郁症状；≥14分即为有抑郁症状。前期研究显示此量表总分能有效评估我国大学生的抑郁症状严重程度[11]。本研究中，该量表的Cronbach α系数为0.86。
1.3 质量控制
首先，问卷采用统一指导语且强调问卷作答的真实性和个人信息的保密性。其次，为确保线上线下的问卷质量一致，线上和线下问卷通过班级辅导员统一微信推送链接或将纸质问卷发放给学生；均选择班会时间发放，学生在教室在规定时间内完成问卷填写。问卷填写完成后，线下收集时由主试核查问卷填写的完整性，线上由问卷星自动核查。在问卷数据处理上，线上线下问卷均设有甄选题项，剔除规律填写、填写逻辑有误(题项作答冲突)等问卷。
1.4 统计学方法
使用SPSS 26.0软件整理分析数据。计数资料以频数、百分比表示，采用χ2检验分析；计量资料以(x±s)表示，组间比较采用独立样本t检验。研究先对各参数进行Pearson相关性分析，后采用Logistic有序回归模型分析视屏时长、睡眠参数与抑郁症状严重程度的相关性[其中，以抑郁程度为因变量(1=无抑郁症状，2=轻度抑郁，3=中度抑郁，4=重度抑郁), 以视屏时长(一周夜晚视屏时长、白天视屏时长均为连续性变量)、睡眠参数(学习日、休息日睡眠时长、学习日、休息日就寝时间、睡眠质量为连续性变量)为自变量]，采用多元线性回归分析视屏时长与睡眠参数的相关性。检验水准α=0.05。
2. 结果
2.1 有无抑郁症状大学生视屏时间、睡眠情况
大学生抑郁症状的检出率为24.9%(313名)。有抑郁症状组的大学生学习日、休息日、一周夜晚和白天视屏时长均多于无抑郁症状组(P值均＜0.05)。见表 1。有抑郁症状组的大学生学习日、休息日和日均睡眠时长均少于无抑郁症状组，学习日和休息日就寝时间均晚于无抑郁症状组，睡眠质量差于无抑郁症状组(P值均＜0.05)。见表 2。
表 1 有无抑郁症状组大学生视屏时间比较(x±s, h/d)Table 1. Comparison of screen time between groups with or without depressive symptoms (x±s, h/d)抑郁症状 人数 学习日 休息日 一周 夜晚 白天 夜晚 白天 夜晚 白天 无 946 2.97±1.29 4.38±2.33 3.95±1.51 5.42±2.59 23.20±8.61 33.19±15.57 有 313 3.55±1.72 4.89±2.63 4.83±2.17 6.19±3.03 27.68±11.94 37.20±17.69 t值 -5.48 -3.04 -6.72 -4.01 -6.14 -3.58 P值 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 表 2 有无抑郁症状组大学生睡眠情况比较(x±s)Table 2. Comparison of sleep variables between groups with or without depressive symptoms(x±s)抑郁症状 人数 睡眠时长/(h·d-1) 就寝时间 PSQI得分 学习日 休息日 日均 学习日 休息日 无 946 7.93±1.02 10.03±1.60 8.53±0.98 11:27±0.78 12:01±1.18 3.95±2.58 有 313 7.49±1.12 9.51±2.09 8.07±1.14 11:50±0.96 12:56±1.61 6.92±3.04 t值 6.08 4.02 6.41 -6.43 -9.37 -15.54 P值 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 2.2 视屏时段与抑郁症状的关联分析
Pearson相关分析显示，一周夜晚视屏时长和一周白天视屏时长均与抑郁症状呈正相关(r值分别为0.23，0.14，P值均＜0.01)。Logistic有序回归模型分析显示，校正一周白天视屏时长、性别和年龄后，一周夜晚视屏时长与抑郁症状风险升高相关(OR=1.05，95%CI=1.03~1.06，P＜0.01)；校正一周夜晚视屏时长、性别和年龄后，一周白天视屏时长与抑郁症状风险相关性无统计学意义(OR=1.00，95%=1.00~1.01，P>0.05)。
2.3 睡眠参数与抑郁症状的回归分析
Logistic有序回归模型分析显示，校正学习日就寝时间、休息日就寝时间、休息日睡眠时长、性别和年龄后，学习日睡眠时长与抑郁症状风险升高相关(OR=0.81，95%CI=0.69~0.96，P＜0.05)；校正学习日就寝时间、学习日睡眠时长、休息日睡眠时长、性别和年龄后，休息日就寝时间与抑郁症状风险升高相关(OR=1.63，95%CI=1.44~1.85，P＜0.01)。控制了其他睡眠参数后，学习日就寝时间和休息日睡眠时长与抑郁风险相关无统计学意义[OR值(95%CI)分别为0.86(0.68~1.09)，0.98(0.90~1.06)，P值均>0.05]。校正性别和年龄后，睡眠质量与抑郁症状风险升高相关(OR=1.47，95%CI=1.40~1.54，P＜0.01)。
2.4 一周夜晚视屏时长和抑郁症状的回归分析
Logistic有序回归模型分析显示，校正性别、年龄和学习日睡眠时长后(模型1)，一周夜晚视屏时长与抑郁症状风险升高相关(OR=1.04，95%CI=1.02~1.05，P＜0.01)；进一步校正休息日就寝时间后(模型2)，一周夜晚视屏时长仍与抑郁症状风险升高相关(OR=1.02，95%CI=1.00~1.03，P＜0.05)；再进一步校正睡眠质量后(模型3)，一周夜晚视屏时长与抑郁症状风险升高相关无统计学意义(OR=1.01，95%CI=0.99~1.02，P>0.05)。见表 3。
表 3 大学生一周夜晚视屏时长和抑郁症状的Logistic有序回归模型分析(n=1 259)Table 3. Logistic ordered regression analysis for night screen time in a week and depressive symptoms in college students (n=1 259)预测变量 模型1 模型2 模型3 OR值(95%CI) P值 OR值(95%CI) P值 OR值(95%CI) P值 一周夜晚视屏时长 1.04(1.02~1.05) ＜0.01 1.02(1.00~1.03) 0.04 1.01(0.99~1.02) 0.55 性别 1.13(0.84~1.52) 0.43 1.03(0.76~1.39) 0.86 1.27(0.92~1.75) 0.14 年龄 1.06(0.96~1.17) 0.24 1.06(0.96~1.17) 0.25 0.99(0.89~1.10) 0.81 学习日睡眠时长 0.75(0.66~0.85) ＜0.01 0.87(0.76~0.99) 0.04 1.27(1.10~1.47) ＜0.01 休息日就寝时间 1.50(1.34~1.67) ＜0.01 1.39(1.24~1.56) ＜0.01 睡眠质量 1.45(1.37~1.53) ＜0.01 2.5 视屏时段与睡眠参数的多元线性回归分析
以一周夜晚视屏时长(连续性变量)、一周白天视屏时长(连续性变量)、性别(以女性为参照)和年龄(连续性变量)为自变量，分别以学习日睡眠时长、休息日就寝时间、睡眠质量为因变量进行多元线性回归分析，结果显示校正性别和年龄后，一周夜晚视屏时长对学习日睡眠时长、休息日就寝时间和睡眠质量的预测均有统计学意义(P值均＜0.05)；一周白天视屏时长对学习日睡眠时长、休息日就寝时间和睡眠质量的预测均无统计学意义(P值均>0.05)。见表 4。
表 4 大学生视屏时段与睡眠参数的多元线性回归分析(n=1 259)Table 4. Multiple linear regression analysis of screen time and sleep parameters in college students(n=1 259)自变量 学习日睡眠时长 休息日就寝时间 睡眠质量 β值 t值 P值 β值 t值 P值 β值 t值 P值 一周夜视屏时长 -0.29 -10.18 ＜0.01 0.45 16.55 ＜0.01 0.26 8.90 ＜0.01 一周白天视屏时长 -0.03 -1.13 0.26 0.02 0.70 0.48 0.04 1.26 0.21 性别 0.03 0.92 0.36 -0.07 -2.55 0.01 0.06 2.32 0.02 年龄 -0.05 -1.96 0.05 0.03 0.99 0.32 0.12 4.19 ＜0.01 3. 讨论
本研究显示，抑郁症状检出率为24.9%，低于其他研究的35.7%[4]，可能与40%取样来自线上，部分有症状患者更倾向于回避参与有关，具体还需后续研究。有抑郁症状组大学生视屏时长多于无症状组，睡眠时长和睡眠质量均低于无症状组，就寝时间均晚于无症状组。
Pearson相关性分析显示一周白天视屏时长与一周夜晚视屏时长均与抑郁相关。Logistic有序回归模型分析显示，校正一周夜晚视屏时长后，一周白天视屏时长与抑郁症状风险无相关性；校正一周白天视屏时长后，一周夜晚视屏时长与抑郁症状风险升高相关。校正性别、年龄后，一周夜晚视屏时长与抑郁症状风险升高相关，但进一步控制学习日睡眠时长、休息日就寝时间和睡眠质量后，一周夜晚视屏时长与抑郁症状风险升高无相关性。多元线性回归分析显示，一周夜晚视屏时长与学习日睡眠时长、休息日就寝时间和睡眠质量均有相关性，而一周白天视屏时长与学习日睡眠时长、休息日就寝时间和睡眠质量均相关无统计学意义。综合关联性分析和回归分析，结果显示夜间视屏时长可能通过推迟就寝时间、降低睡眠质量和缩短睡眠时长对抑郁症状产生影响。
首先，一周夜晚视屏时长与休息日就寝时间正相关。视屏行为显著延迟就寝时间与以往研究一致[1]。长时间曝光于屏幕的蓝光中不但会抑制褪黑素分泌推迟就寝时间，褪黑素分泌节律的改变还与抑郁症状密切有关[12-13]。还有研究揭示了就寝时间延迟引发抑郁症状的神经通路“内在光敏视网膜神经节细胞(ipRGCs)-外侧缰核背侧(dpHb)-伏隔核(Nac)神经回路”，该神经通路受昼夜节律控制，相对于光照充足的白天，dpHb在夜间更容易被蓝光激发，兴奋度更高，从而引发了抑郁行为的出现[7]。夜晚型(指晚睡晚起)与抑郁症状显著相关[3]，而提前就寝能预测新型冠状病毒感染疫情期间20岁左右年轻人抑郁风险降低[14]。14~19岁夜晚型及其相关的晚睡晚起的睡眠习惯与内侧前额叶皮层的局部灰质体积变化显著相关，这种变化是儿茶酚胺-O-甲基转移酶Val/Val基因携带者以后自我报告抑郁症状的正相关因素[15]。所以越是夜晚型越要减少夜间视屏使用时长以减少其不良影响。其次，一周夜晚视屏时长与睡眠质量呈正相关，而睡眠质量与抑郁症状风险升高呈正相关。与以往研究一致[1]，睡眠质量差是抑郁症状的正相关因素[16]。此外，研究结果还显示在控制了睡眠质量后，日睡眠时长与抑郁症状的相关改变方向(由0.87变为1.27)。仅考虑夜视屏时长和学习日睡眠时长时，该变量与抑郁症状之间存在负相关关系，即睡眠时长越短，抑郁症状越严重。然而将睡眠质量作为控制变量加入模型后，学习日睡眠时长的回归系数为正，这意味着睡眠质量较差的情况下，即使睡眠时长加长，抑郁症状的风险仍然会升高。表明睡眠质量是影响学习日睡眠时长与抑郁症状之间关系的重要因素。Vitale等[17]报告相比其他两种类型，夜晚型工作日睡眠质量更差。根据屏幕光理论，暴露在电子屏幕发出的光下，会干扰褪黑素的分泌，延迟睡眠开始，并干扰睡眠质量[1]。最后，一周夜晚视屏时长与学习日睡眠时长呈负相关。Li等[5]报告了睡眠时长在视屏行为与抑郁间起中介作用。
本研究的创新点是将白天视屏时长和夜间视屏时长分开统计，并分析了其对抑郁症状的不同影响，验证了夜间视屏时长对抑郁症状的影响效应更大。还初步探索了夜间视屏时长、睡眠参数和抑郁症状之间关联。本研究也具有一定局限性，视屏时长和睡眠参数等是通过被试的自我报告进行评估的，对评估结果造成的偏差无法避免。
-
表 1 有无抑郁症状组大学生视屏时间比较(x±s, h/d)
Table 1. Comparison of screen time between groups with or without depressive symptoms (x±s, h/d)
抑郁症状 人数 学习日 休息日 一周 夜晚 白天 夜晚 白天 夜晚 白天 无 946 2.97±1.29 4.38±2.33 3.95±1.51 5.42±2.59 23.20±8.61 33.19±15.57 有 313 3.55±1.72 4.89±2.63 4.83±2.17 6.19±3.03 27.68±11.94 37.20±17.69 t值 -5.48 -3.04 -6.72 -4.01 -6.14 -3.58 P值 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 
下载: 导出CSV
表 2 有无抑郁症状组大学生睡眠情况比较(x±s)
Table 2. Comparison of sleep variables between groups with or without depressive symptoms(x±s)
抑郁症状 人数 睡眠时长/(h·d-1) 就寝时间 PSQI得分 学习日 休息日 日均 学习日 休息日 无 946 7.93±1.02 10.03±1.60 8.53±0.98 11:27±0.78 12:01±1.18 3.95±2.58 有 313 7.49±1.12 9.51±2.09 8.07±1.14 11:50±0.96 12:56±1.61 6.92±3.04 t值 6.08 4.02 6.41 -6.43 -9.37 -15.54 P值 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01 ＜0.01
下载: 导出CSV
表 3 大学生一周夜晚视屏时长和抑郁症状的Logistic有序回归模型分析(n=1 259)
Table 3. Logistic ordered regression analysis for night screen time in a week and depressive symptoms in college students (n=1 259)
预测变量 模型1 模型2 模型3 OR值(95%CI) P值 OR值(95%CI) P值 OR值(95%CI) P值 一周夜晚视屏时长 1.04(1.02~1.05) ＜0.01 1.02(1.00~1.03) 0.04 1.01(0.99~1.02) 0.55 性别 1.13(0.84~1.52) 0.43 1.03(0.76~1.39) 0.86 1.27(0.92~1.75) 0.14 年龄 1.06(0.96~1.17) 0.24 1.06(0.96~1.17) 0.25 0.99(0.89~1.10) 0.81 学习日睡眠时长 0.75(0.66~0.85) ＜0.01 0.87(0.76~0.99) 0.04 1.27(1.10~1.47) ＜0.01 休息日就寝时间 1.50(1.34~1.67) ＜0.01 1.39(1.24~1.56) ＜0.01 睡眠质量 1.45(1.37~1.53) ＜0.01
下载: 导出CSV
表 4 大学生视屏时段与睡眠参数的多元线性回归分析(n=1 259)
Table 4. Multiple linear regression analysis of screen time and sleep parameters in college students(n=1 259)
自变量 学习日睡眠时长 休息日就寝时间 睡眠质量 β值 t值 P值 β值 t值 P值 β值 t值 P值 一周夜视屏时长 -0.29 -10.18 ＜0.01 0.45 16.55 ＜0.01 0.26 8.90 ＜0.01 一周白天视屏时长 -0.03 -1.13 0.26 0.02 0.70 0.48 0.04 1.26 0.21 性别 0.03 0.92 0.36 -0.07 -2.55 0.01 0.06 2.32 0.02 年龄 -0.05 -1.96 0.05 0.03 0.99 0.32 0.12 4.19 ＜0.01
下载: 导出CSV
-
[1] ZHAO L, WU L. The relationship between digital activity and bedtime, sleep duration, and sleep quality in Chinese working youth[J]. Nat Sci Sleep, 2022, 14: 419. doi: 10.2147/NSS.S348929 [2] 陶舒曼, 伍晓艳, 陶芳标. 视屏活动对儿童青少年情绪症状的影响及大脑神经功能变化研究[J]. 中国学校卫生, 2020, 41(11): 1757-1760. doi: 10.16835/j.cnki.1000-9817.2020.11.042TAO S M, WU X Y, TAO F B. Effects of screen time on emotional symptoms of children and adolescents and changes of brain nerve function[J]. Chin J Sch Health, 2020, 41(11): 1757-1760. (in Chinese) doi: 10.16835/j.cnki.1000-9817.2020.11.042 [3] QU Y, LI T, XIE Y, et al. Association of chronotype, social jetlag, sleep duration and depressive symptoms in Chinese college students[J]. J Affect Disord, 2023, 320: 735-741. doi: 10.1016/j.jad.2022.10.014 [4] 翟文海, 张琼, 闫俊. 新冠肺炎疫情前后中国大学生抑郁症状检出率及相关因素的Meta分析[J]. 中国学校卫生, 2022, 43(7): 1055-1060. doi: 10.16835/j.cnki.1000-9817.2022.07.023ZHAI W H, ZHANG Q, YAN J. Meta-analysis of prevalence and associated factors of depressive symptoms in Chinese college students before and after the COVID-19 epidemic[J]. Chin J Sch Health, 2022, 43(7): 1055-1060. (in Chinese) doi: 10.16835/j.cnki.1000-9817.2022.07.023 [5] LI X, BUXTON O M, LEE S, et al. Sleep mediates the association between adolescent screen time and depressive symptoms[J]. Sleep Med, 2019, 57: 51-60. doi: 10.1016/j.sleep.2019.01.029 [6] 叶盛, 杨月, 刘辉, 等. 中学生视屏和睡眠时间与抑郁症状的相关性[J]. 中国学校卫生, 2022, 43(7): 1015-1018. doi: 10.16835/j.cnki.1000-9817.2022.07.014YE S, YANG Y, LIU L, et al. Relations between screen time, sleep duration and depressive symptoms among middle school student[J]. Chin J Sch Health, 2022, 43(7): 1015-1018. (in Chinese) doi: 10.16835/j.cnki.1000-9817.2022.07.014 [7] AN K, ZHAO H, MIAO Y, et al. A circadian rhythm-gated subcortical pathway for nighttime-light-induced depressive-like behaviors in mice[J]. Nature Neurosci, 2020, 23(7): 869-880. doi: 10.1038/s41593-020-0640-8 [8] 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. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZHMA199602018.htm [9] 路桃影, 李艳, 夏萍, 等. 匹兹堡睡眠质量指数的信度及效度分析[J]. 重庆医学, 2014, 43(3): 260-263. https://www.cnki.com.cn/Article/CJFDTOTAL-CQYX201403002.htmLU T Y, LI Y, XIA P, et al. Analysis on reliability and validity of the Pittsburgh Sleep Quality Index[J]. Chongqing Med J, 2014, 43(3): 260-263. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CQYX201403002.htm [10] 王振, 苑成梅, 黄佳, 等. 贝克抑郁量表第2版中文版在抑郁症患者中的信效度[J]. 中国心理卫生杂志, 2011, 25(6): 476-480. https://www.cnki.com.cn/Article/CJFDTOTAL-ZXWS201106023.htmWANG Z, YUAN C M, HUANG J, et al. Reliability and validity of the Chinese version of Beck Depression Inventory-Ⅱ among depression patients[J]. Chin Ment Health J, 2011, 25(6): 476-480. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZXWS201106023.htm [11] 蒋水琳, 杨文辉. 贝克抑郁量表第2版中文版在我国大学生中的因子结构[J]. 中国临床心理学杂志, 2020, 28(2): 299-305. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY202002017.htmJIANG S L, YANG W H. Factor structure of the Beck Depression Inventory-Ⅱ of Chinese Version among Chinese undergraduates[J]. Chin J Clin Psychol, 2020, 28(2): 299-305. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCY202002017.htm [12] VARINTHRA P, LIU I Y. Molecular basis for the association between depression and circadian rhythm[J]. Tzu Chi Med J, 2019, 31(2): 67. doi: 10.4103/tcmj.tcmj_181_18 [13] KHOGHI G, ESKANDARI M, SAADLOU M S S Q, et al. Night shift hormone: how does melatonin affect depression?[J]. Physiol Behav, 2022, 252: 113835. doi: 10.1016/j.physbeh.2022.113835 [14] ZHAO Q, WANG K, KISS O, et al. Earlier bedtime and effective coping skills predict a return to low-risk of depression in young adults during the COVID-19 pandemic[J]. Int J Environ Res Public Health, 2022, 19(16): 10300. doi: 10.3390/ijerph191610300 [15] VULER H, LEMAÎTRE H S, GULDNER S, et al. Chronotype, longitudinal volumetric brain variations throughout adolescence, and depressive symptom development[J]. J Am Acad Child Psy, 2023, 62(1): 48-58. doi: 10.1016/j.jaac.2022.06.003 [16] 陈江媛, 吴冉. 大学生的睡眠质量与抑郁、焦虑的关系[J]. 中国健康心理学杂志, 2021, 29(4): 608-614. https://www.cnki.com.cn/Article/CJFDTOTAL-JKXL202104029.htmCHEN J Y, WU R. Relations of sleep quality to depression and anxiety in college students[J]. Chin J Health Psychol, 2021, 29(4): 608-614. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JKXL202104029.htm [17] VITALE J A, ROVEDA E, MONTARULI A, et al. Chronotype influences activity circadian rhythm and sleep: differences in sleep quality between weekdays and weekend[J]. Chronobiol Int, 2015, 32(3): 405-415. doi: 10.3109/07420528.2014.986273 期刊类型引用(1)
1. 周金枝，张华，赵昕韵. 身体活动及就寝时间拖延在大学生视屏时间与负性情绪关联中的作用. 卫生职业教育. 2025(07): 126-131 . 
百度学术其他类型引用(0)
-
下载:
点击查看大图
计量
- 文章访问数: 385
- HTML全文浏览量: 189
- PDF下载量: 61
- 被引次数: 1
