根据我国工业和信息化部统计提示，截至2013年上半年，全国移动电话用户总数达11.76亿户，普及率达87.1部/百人，北京、上海、广东、浙江、福建和内蒙古等六省市移动用户普及率超过100部/百人，部分省市达到160部/百人^[1]。手机作为21世纪的新技术，青少年往往能更快适应，投入更多的时间和资源，从而出现手机依赖性使用的情况^[2]。

多项国内外研究表明，在校大学生的手机使用程度越高，睡眠质量越差，表现为主观睡眠质量、睡眠潜伏期，以及日间功能受到显著影响^[3-4]。另有研究表明，屏幕浏览行为也与进食量增加和体重增加相关^[5-7]，除了与注意力分散相关，屏幕浏览行为亦降低了进食满足感，导致食欲相关激素紊乱，造成能量补偿和葡萄糖预负荷的增加，导致了进食量和体重增加^[8]。值得注意的是，这些研究多是针对电视和电脑等传统电子媒体，并无对手机（日常使用最多的电子产品）的依赖性使用与不良饮食行为之间关系的研究。本研究通过横断面调查，探究了手机依赖性使用与饮食和睡眠之间关系，以期为大学生的手机合理性使用，及其睡眠和饮食健康提供资料。

2017年6月~9月，通过问卷星网站在线调查了广州市某医科大学的在校大学生。所有被试者均自愿参加，并在线签署了知情同意书。

完成整个问卷需要大约30 min，设定了统一的指导语以指导完成。2122名在校大学生完成了调查问卷，58名受试者没有完成手机依赖性量表（MPIQ）、匹兹堡睡眠质量指数量表（PSQI）、三因素饮食问卷（修订版）- 21项（TFEQ-R21）等三项核心问卷、以及没有汇报手机使用时长和睡前使用手机频率等核心内容而被剔除，最终的有效问卷为2064份（97%）。

包括年龄、性别、专业、身高和体重等社会人口学资料。身体质量指数（体质量（kg）/ [身高（m）]²；BMI）用来评估肥胖程度，根据《中国成人超重和肥胖症预防控制指南》 ^[9]，分为4组：消瘦（BMI < 18.5 kg/m²）、正常（18.5 kg/m²≤BMI < 24.0 kg/m²）、超重（24.0 kg/m²≤ BMI < 28.0 kg/m²）肥胖（BMI≥28.0 kg/m²）。

既往研究提示，长时间手机使用及睡前手机使用是评定手机依赖的相关因素，许多手机依赖性使用量表在编制的过程中常常涉及相关条目^[10-21]。本研究新加入两项自评条目：1、您睡前经常使用手机吗？2、您平均每天使用手机多长时间？参考国内外相关文献，定义长时间使用手机为≥4 h ^{[4, 13]}。

MPIQ是根据Brown（1993年，1997年）编制的行为成瘾量表加以补充和改编完成，Walsh等^[14]简化并筛选出8个条目：手机使用的戒断、欣快、与他人的冲突和日常活动、认知和行为的显著性、复发和恢复。该量表内在一致性为0.80。常用以评估被试者的认知功能和依赖行为与手机使用之间的关系。每个条目采用1（完全不符合）-7（完全符合）计分。研究显示8个条目是单一维度的，其8个条目相加总分越高提示手机依赖性使用程度越高^[15]。

PSQI评估了睡眠质量，由18个条目构成，包含了7个因子（睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍），各个因子得分之和为PSQI总分，总分范围为0-2l，得分越高，睡眠质量越差。PSQI总分 > 8为睡眠质量差的检出标准^[16]。

TFEQ-R21由Karlsson所制的TFEQ改编，包括21道题目和3个维度^[17]。3个维度分别为：非控制进食（UE）：当感觉饥饿或受到外部因素刺激时，对过量进食失去控制的一种倾向，共9项（包括第3、6、8、9、12、13、15、19、20题）；认知限制进食（CR）：有意识地限制食物摄入量，以控制体重或促进减肥，共6项（包括第1、5、11、17、18、21题）；情绪性进食（EE）：负性情绪状态，过量进食的倾向，共6项（包括第2、4、7、10、14、16题）。TFEQ-R21计分方法：第1-20题为1-4的评分，第21题为1-8的评分（1-2计1分；3-4计2分，5-6计3分；7-8计4分）；维度得分（第1-16题反向计分），每个维度所得项目分综合得到各维度总分，3个维度总分为量表总得分。各个维度得分越高，则提示了越高倾向的非控制进食、认知限制进食和情绪性进食，即越能提示不良的饮食行为。

使用中文版SPSS 24.0录入数据，应用均数±标准差对计量资料进行描述，应用例数和百分比（%）对计数资料进行描述。采用t检验对符合正态分布的计量资料进行两组间比较，Mann-Whitney U检验则用于检验不符合正态分布的计量资料。采用One-way ANOVA对正态分布计量资料进行多组间的比较。应用Pearson相关系数分析符合双变量正态资料的各因子间的相关关系；对于非双变量正态分布资料或等级资料，则选择Spearman或Kendall's tau-b相关系数进行分析。最后，通过多元线性回归分析相关因素与手机依赖的相关性，以enter方法选入变量（α=0.05）。P < 0.05在所有统计学检验中有统计学意义。

2064份受访者中，男性608人（29.5%）、女性1456人（70.5%），医学专业1690人（29.5%）、非医学专业374人（18.1%），年龄为21.0±0.9（17-28）岁，体质量依据BMI分为：消瘦758人（36.7%）、正常1215人（58.9%）、超重91人（8.5%）、肥胖10人（4.4%）。

MPIQ得分为26.31 ± 8.15（7- 49）；PSQI得分为5.48±2.22（0-14），193例（9.4%）被调查者睡眠质量不佳；TFEQ-R21得分为46.49±8.39（29-75）。

不同性别、专业和体质量分组之间的MPIQ分值没有统计学意义的差异；是否睡前使用手机、长时间使用手机和睡眠质量的分组之间的MPIQ分值存在统计学差异（表 1）。

表 1(Tab.1)

表 1 手机依赖性使用与社会人口学特征、睡眠质量、手机使用情况的关系 Tab.1 Relationship of sociodemographic characteristics, sleep quality, and mobile phone overuse with MPIQ scores Variables Total sample n=2064 (%) MPIQ scores (Mean±SD) Statistics P Major of clinical medicine t=0.637 0.524   Yes 1690 (81.9) 26.26±8.13   No 374 (18.1) 26.56±8.21 Gender t=0.303 0.762   Male 608 (29.5) 26.23±8.28   Female 1456 (70.5) 26.35±8.10 BMI (kg/m2) F=0.243 0.866   BMI < 18.5 578 (28.0) 25.70±7.98   18.5≤BMI < 24.0 1325 (64.2) 26.45±8.21   24.0≤ BMI < 28.0 97 (4.7) 27.78±8.06   BMI≥28.0 64 (3.1) 26.32±8.15 Mobile phone use before sleep t=17.093 < 0.001   Yes 1803 (87.4) 27.30±7.85   No 261 (12.6) 19.49±6.75 Frequent mobile phone use (≥4 hours/day) t=15.442 < 0.001   Yes 794 (38.5) 29.63±7.98   No 1270 (61.5) 24.24±7.54 Poor Sleep quality (PSQI scores > 8) t=5.325 < 0.001   Yes 193 (74.8) 29.27±8.63   No 1871 (16.6) 26.01±8.04 MPIQ: Mobile phone involvement questionnaire; PSQI: Pittsburgh sleep quality index; BMI: Body mass index. t: t-test，F: Oneway ANOVA.

表 1 手机依赖性使用与社会人口学特征、睡眠质量、手机使用情况的关系 Tab.1 Relationship of sociodemographic characteristics, sleep quality, and mobile phone overuse with MPIQ scores

多元回归分析之前，采用相关分析检验了研究变量之间的相关性（表 2）。年龄、PSQI分值、非控制进食、认知限制进食、情绪性进食、MPIQ分值等连续性变量使用Pearson检验其相关性；专业、BMI、手机使用时间、睡前使用手机为分类或等级变量，则采用了Spearman或Kendall's tau-b检验各因子间相关性。结果显示年龄、BMI分组、睡前使用手机分组、手机使用时间分组、PSQI分值、TFEQ-UE分值、TFEQ-CR分值、TFEQ-EE分值与手机依赖性使用显著相关；性别和专业则与与手机依赖性使用无关。

表 2(Tab.2)

表 2 手机依赖性使用的相关因素分析 Tab.2 Analysis of related factors of mobile phone overuse Variables 1 2 3 4 5 6 7 8 9 10 11 Gender 1 -0.047* 0.012 0.014 0.030 0.085** -0.002 0.090** 0.018 0.064** 0.007 Age 1 0.047* 0.000 -0.005 0.050* -0.001 0.032 0.029 0.101** 0.088** Major 1 0.008 0.000 0.030 0.046* 0.038 0.012 0.049* 0.007 BMI 1 -0.025 0.066** 0.146** 0.049* -0.029 0.029 0.055* PSQI scores 1 0.077** -0.054* 0.070** 0.176** 0.130** 0.204** TFEQ-UE scores 1 -0.026 0.689** 0.062** 0.077** 0.199** TFEQ-CR scores 1 0.007 -0.073** -0.081** -0.076** TFEQ-EE scores 1 0.035 0.057* 0.170** Mobile phone use before sleep 1 0.299** 0.429** Frequent mobile phone use 1 0.316** MPIQ scores 1 MPIQ: Mobile phone involvement questionaire; PSQI: Pittsburgh sleep quality index; BMI: Body mass index. *P < 0.05; **P < 0.001.

表 2 手机依赖性使用的相关因素分析 Tab.2 Analysis of related factors of mobile phone overuse

以MPIQ分值为因变量，睡眠质量、手机使用时间、睡前使用手机等分类变量为自变量，对上述自变量设置为虚拟变量（哑变量），变量赋值，见表 3。

表 3(Tab.3)

表 3 多元线性回归各因子赋值及哑变量赋值情况 Tab.3 Assignment of the factors and dummy variables in multiple linear regression Independent variable Assignment Dummy variables assignment 1. Poor sleep quality 1: ≤8 scores; 2: > 8 scores Yes=1; else=0 2. Mobile phone use before sleep 1: < 4 scores; 2: ≥4 scores Yes=1; else=0 3. Frequent mobile phone use 1: < 4 hours; 2: ≥4 hours Yes=1; else=0

表 3 多元线性回归各因子赋值及哑变量赋值情况 Tab.3 Assignment of the factors and dummy variables in multiple linear regression

依次将社会人口学因素归入模型1；手机相关因素归入模型2；睡眠质量归入模型3；三因素饮食问卷因子归入模型4，进行全变量线性回归分析（Enter）。其中，所有模型中各因子共线性诊断VIF（最低值：1.003；最高值：1.063）均小于2，模型无多重共线性。杜宾沃森值（DW=0.735）提示低自相关性。总体上，模型1（社会人口因素模型）R²值仅有1.0%（F=10.262，P < 0.001），MPIQ分值与BMI（β=0.047，P < 0.05）、年龄（β=0.085，P < 0.001）呈显著相关。模型2（加入手机相关因素）R²值增加至18.4%（F=116.115，P < 0.001），睡前使用手机（β= 0.277，P < 0.001）、手机使用时间（β=0.275，P < 0.001）与MPIQ分值呈显著相关。模型3（加入睡眠相关因素）R²值为19.0%（F=96.835，P < 0.001），睡眠质量差（β=0.080，P < 0.001）与MPIQ分值呈相关性。模型4（加入饮食三因素）R²值为21.8%（F=67.772，P < 0.001），TFEQ-UE（β=0.101，P < 0.001）、TFEQ-CR（β=-0.050，P < 0.05）、TFEQ-EE（β= 0.070，P < 0.05）与MPIQ分值呈相关性，模型4的R²值达到中等效应。上述结果提示了BMI、年龄、睡前使用手机、长时间使用手机、睡眠质量差、非控制进食及情绪性进食与手机依赖性使用呈正相关性，认知限制进食与手机依赖性使用呈负相关性（表 4）。

表 4(Tab.4)

表 4 与手机使用显著相关变量的多元回归分析 Tab.4 Multiple regression analysis using significant variables associated with mobile phone overuse Factors Model 1 Model 2 Model 3 Model 4 Beta t Beta t Beta t Beta t Sociodemographics   BMI 0.047 2.134* 0.032 1.627 0.032 1.590 0.032 1.591   Age 0.085 3.858** 0.064 3.182* 0.065 3.245* 0.058 2.961* Mobile phone use Mobile phone use before sleep 0.277 13.769** 0.274 13.644** 0.264 13.312** Frequent mobile phone use 0.275 13.605** 0.269 13.317** 0.257 12.924** Sleep related factor Poor sleep quality 0.080 4.033** 0.071 3.595** Eating behaviors TFEQ-UE 0.101 3.742** TFEQ-CR -0.050 -2.542* TFEQ-EE 0.070 2.594* R2 0.010 0.184 0.190 0.218 Adjusted R2 0.009 0.182 0.188 0.215 △R2 0.010 0.174 0.006 0.027 F 10.262 116.115 96.835 71.481 P < 0.001 < 0.001 < 0.001 < 0.001 *P < 0.05; **P < 0.001.

表 4 与手机使用显著相关变量的多元回归分析 Tab.4 Multiple regression analysis using significant variables associated with mobile phone overuse

如Shambare所指出：“手机使用是21世纪以来潜在的最严重非药物性成瘾” ^[18]。手机依赖性使用对人们造成的不良影响往往不易忽略。

本研究提示MPIQ得分为26.31±8.15（7-49分），Lidia等的研究^[15]提示MPIQ得分为27.60±10.08（11-49分），二者结果接近。本研究中，男性和女性的手机依赖性使用情况相当，与一项国内研究一致^[19]。另一些研究则提示，青少年人群的女性收集依赖性使用高于男性，与女性更愿意使用手机进行社交有关^[20]。而本研究的对象为医科大学学生，学业压力普遍较重，学习时间较长，故长时间手机使用和睡前手机使用的比例较低，可能因此降低了手机依赖性使用的程度，减少了两性之间的差别^[21]。手机依赖性使用与年龄呈正相关，另一项国内研究也发现大学高年级学生的手机依赖性和戒断症状均显著高于低年级学生^[22]。可能是因为高年级大学生面临工作、考研、毕业、婚恋等多方压力，更容易存在抑郁和焦虑等负性情绪^[23]，而抑郁和焦虑是导致手机依赖性使用的主要危险因素^[24]。

本研究中，手机依赖性使用与睡眠质量呈正相关，这与大部分研究结论一致。例如，Lee等人通过对韩国1125名在校学生进行手机依赖和睡眠质量的调查研究发现，手机依赖性使用提示更高风险的睡眠质量变差，但并无证据表明其能影响睡眠时长^[25]；国内学者刘婷婷等对1817名医学专科生调查中表明，手机依赖性使用影响睡眠质量^[3]。此外，手机使用时间越长和睡前使用手机频率越高的人群，睡眠质量越差。Shuai Liu等在对某院校学生调查中，发现长时间日间使用手机的人群更容易出现睡眠质量差，长时间的手机使用能反映睡眠质量差的严重程度^[13]。频繁地睡前使用手机常导致入睡时间的推迟。一项澳大利亚蒙纳士大学的研究发现50%抑制褪黑激素发生在 < 30勒克斯的白光下，这与夜间使用的室内照明以及电子设备（如手机）产生的光相当或更低^[26]。手机光线抑制松果体分泌褪黑素，从而推迟睡眠的开始，导致了人们白天工作或学习效率的下降。

本研究中，手机依赖性使用与不良的饮食行为相关，手机依赖性使用与负性情绪进食和非控制进食呈正相关、但是与认知限制进食呈负相关。首先，手机依赖性使用会增加负性情绪进食行为，大量相关研究也发现负性情绪如焦虑和抑郁与手机依赖相关^[22-23]，手机依赖性使用程度越高，负性情绪发生的概率越大，越容易出现情绪性进食行为。负性情绪进食作为一项独特的相关因子会引发情绪性进食，而这种不健康的进食模式又可能与抑郁及体重增加等结果相关^[27-29]。其次，研究显示看电视、阅读书籍、开车等活动会分散注意力，不容易形成饱腹感，从而导致进食量增加^[30-31]，主要机制可能是上述行为干扰了人体内关于食物记忆部分信息的存储，所以当分散注意的行为出现时，大脑对食物摄取的相关信息的理解会变得混乱，影响饱腹感后中止进食的命令，导致非控制进食^[32]。最后，Jinan C等人的相关研究表明，体重增加会促进被试者认知限制进食的倾向^[33]。手机依赖者由于进食和体重增加，使得他们相对更有意识地限制自己食物摄入量，以控制体重或促进减肥，从而增加认知限制进食的倾向。目前仍未有相关研究阐明手机依赖性使用与三因素饮食行为之间的关系，未来仍需进一步的研究探讨。

本研究中，通过多元线性回归分析发现不良饮食行为和睡眠质量差均为手机依赖性使用的影响因素，且非控制进食与睡眠质量差呈正相关。既往的一些研究也达到了类似的结果。国内一项相关研究通过对588名大学生调查研究发现，大学生饮食行为可影响睡眠质量，晚餐不规律、每周校外餐馆就餐≥4次导致睡眠质量差的可能性增高^[34]。Rachel P等的相关研究结果表明，凌晨0：30以后仍未入睡的人群，每周会多进食0.3倍正常需求量的甜食、1.7倍饮料以及不吃早餐^[35]。与睡眠相关的不健康饮食可能会打乱外周器官的昼夜节律，从而影响中枢昼夜节律，睡眠障碍等问题由此产生。位于下丘脑前部的视交叉上核分泌的皮质醇、人生长激素释放肽、瘦素、胰岛素、胰高血糖素等也会因此变得紊乱，导致肥胖等一系列健康问题^[36]。

本研究的样本量较大，保证了研究结果的可信度。然而，本研究的一些局限性也需要关注：①研究样本的代表性单一，仅能代表医学院校大学生，缺乏不同专业、地区的其他样本；②本研究为横断面研究，虽然显示手机依赖与睡眠、非控制进食及情绪性进食存在正相关，与认知限制进食存在负相关，但是不能说明因果。

综上所述，手机依赖性使用与睡眠障碍和不良饮食行为相关。减少手机使用对大学生的饮食和睡眠等基本生命活动有益，学校、家庭应该加强手机正确使用的宣教，并且对手机依赖性使用的学生进行必要的干预，如增加课外活动丰富学生日常生活、限制手机使用时间等，以提升大学生的身心健康。