原始论文
摘要
背景:大量研究致力于检查COVID-19患者以及在COVID-19大流行期间护理这些患者的医务人员的心理健康状况。然而,关于大流行如何对普通人群,特别是非患者(即未感染COVID-19的个人)的心理健康造成影响,目前鲜有见解。
摘要目的:本研究旨在基于中国COVID-19疫情高峰期间的全国代表性样本,调查一般人群中社交媒体使用与心理健康状况之间的关系。
方法:我们组成了一个全国代表性样本(N=2185),包括来自中国30个省份的参与者,这些省份是世界上最早经历COVID-19疫情的省份。我们对这些参与者进行了一项基于网络的调查,以分析社交媒体的使用、通过社交媒体获得的健康信息支持,以及可能的精神疾病,包括继发性创伤压力(STS)和替代性创伤(VT)。
结果:使用社交媒体不会导致心理健康问题,但它可以调节非患者的创伤情绪水平。参与者通过社交媒体获得健康信息支持,但过度使用社交媒体导致压力水平升高(β= .175;P<.001),焦虑(β= .224;P<.001),抑郁症(β= .201;P<.001), STS (β= .307;P<.001), VT (β= .688;P<措施)。地理位置(或地理位置)和封锁条件也导致了更多的创伤性障碍病例。生活在大城市的参与者比生活在农村地区的参与者压力更大(P= .02点)。此外,来自小城市或小镇的参与者更焦虑(P=.01),重读(P<.001),抑郁(P=.008)。获取更多资讯支援(β= .165;P<.001)和情感支持(β= .144;P<.001)通过社交媒体增加了他们的VT水平。通过社交媒体获得的同伴支持增加了VT (β= .332;P<.001)和STS (β= .130;P<措施)的水平。此外,地理位置调节了社交媒体情感支持与VT之间的关系(F2= 3.549;P=.029)以及同伴支持与STS (F2= 5.059;P= .006)。地理位置在预测STS时也与健康信息支持相互作用(F2= 5.093;P= .006)。
结论:COVID-19对普通人群的心理健康造成了严重损害,包括没有精神障碍史或冠状病毒感染史的个人。这项研究通过建立COVID-19爆发期间公众使用社交媒体与精神障碍之间的联系,为文献做出了贡献。研究结果表明,这种精神障碍的原因是复杂和多因素的,社交媒体的使用是一个潜在因素。这些发现还突出了中国人的经历,可以帮助全球公民和卫生政策制定者在这次和其他公共卫生危机期间减轻精神疾病的影响,这应该被视为全球大流行应对的一个关键组成部分。
doi: 10.2196/23696
关键字
简介
背景
在COVID-19袭击全球后,医护人员一直在忙着照顾受感染的患者,拯救生命。在遏制COVID-19大流行的竞赛中,卫生保健提供者不能忽视另一个大风险——非患者心理健康的无形代价,这一点很重要。我们从COVID-19大流行中学到的一个重要教训是,生活在这场公共卫生危机中对每个人来说都是极大的压力,包括那些看起来健康且没有感染病毒的人[
].这一点在中国很明显,当COVID-19疫情在全国蔓延时,人们对其健康风险的恐惧、担忧和焦虑就势如压倒性。 ].2020年1月23日武汉宣布封城后,中国其他城市迅速限制人员流动。强制封锁迫使数百万中国人在家呆了几周,甚至几个月。生活在孤立的环境中会让人感到孤独、焦虑、孤独,甚至受到创伤。 ].在新冠肺炎疫情爆发的最初几个月里,中国人所经历的强烈情绪是外界几乎无法想象的,直到疫情演变为全球大流行。 ],导致全球数百万例病例和数十万人死亡.随着全球流行病学、医学和公共卫生领域的研究人员不断研究COVID-19的药物、疫苗和应对策略,研究社交媒体上的健康信息和封锁或隔离情况如何对人们的心理健康造成影响非常重要。许多关于大流行对心理健康影响的研究都集中在COVID-19患者身上[
],他们表现出创伤后应激症状[ ]或抑郁[ ].本研究旨在基于中国的全国代表性样本,通过评估COVID-19大流行对非患者心理健康的影响,揭示整体情况。考虑到中国普遍存在的城乡差异,使用具有全国代表性的样本对这样的研究至关重要。COVID-19大流行在中国城镇和农村地区产生了不同的影响,因为这些地区的应对取决于众多社会和经济因素的复杂相互作用。因此,这些地区对人们精神健康造成的损失可能因其地理位置和其他内部或外部因素而有很大差异。社交媒体使用与COVID-19
大量研究致力于检查被诊断为COVID-19患者的心理健康状况[
- ]以及在大流行期间照顾和治疗这些病人的医务人员[ , ].然而,我们对非患者的心理健康状况知之甚少,他们可能会因为COVID-19而出现不同程度的精神障碍。研究表明,当人们持续接触有关危机的负面信息时,他们的焦虑和抑郁水平可能会在很长一段时间内升高。 ].随着新冠肺炎在中国的传播,人们开始更频繁地使用中国领先的社交媒体应用程序微信。截至2020年2月8日,微信新增疫情信息“小程序”100多个,3周内用户增长近60% [ ].文献中已充分记录了越来越多地使用社交媒体进行危机管理,社交媒体被认为是分享与大流行风险相关的卫生信息的有力工具[ , ].然而,关于社交媒体使用和心理健康之间的联系存在争议。研究发现,使用社交媒体可能会降低生活满意度。
]并增加自残、自杀意念[ , ]、心理困扰、抑郁和焦虑[ ].系统综述表明,这些研究大多来自西方国家,少数来自亚洲国家[ , ].来自亚洲国家的见解不仅可以加深对社交媒体使用与心理健康之间关系的理解,还可以为教育和政策提供建议[ ].人们从使用社交媒体促进行为改变中受益。 ],获取健康信息支持,并与他人保持联系[ ];然而,社交媒体也可能传播对COVID-19的恐惧或错误信息,从而对他们的精神健康和心理健康造成伤害[ ].因此,研究在健康危机期间使用社交媒体寻求和分享健康信息如何对用户的心理健康产生影响是值得付出更多努力的。信息、情感和同伴支持
COVID-19疫情期间,人们在社交媒体上分享健康信息的主要原因之一是他们从其他用户那里获得了社会支持——使用和满足理论可以最好地解释这一现象[
, ].该理论认为,人们使用特定的媒体内容或平台来满足特定的信息需求和要求;否则,他们不会再回来使用它。健康信息为有健康问题的人提供了重要的社会支持,产生了许多益处,有助于症状控制、疾病康复、生命安全和总体福祉[ ].社会支持被定义为“个人在其社交网络中受到重视和关心的感觉,以及个人在沟通和社会义务网络中的嵌入程度”[ ].换句话说,社会支持指的是一个人在人际交往中得到关心和支持的感觉[ ].Helgeson [ 他认为社会支持有三种主要形式:信息支持、情感支持和工具性支持。信息支持是指提供建议、指导和其他有用的信息[ ].情感支持表达了关心、关心、同情和同情。 ].工具性支持代表人们帮助他人的具体而直接的方式[ , ];在这项研究中,这被称为“同伴支持”。用户通过访问和分享大流行相关信息在社交媒体上获得的支持可被视为卫生信息支持[
].它的作用就像在大流行期间从家庭成员、朋友、同事或同龄人那里获得的一种社会支持。大量研究表明,健康信息支持为患者提供了重要的护理和情感支持[ ].这类支持还可提高使用者作出知情医疗决定的能力[ ].研究发现,认同社交媒体群体可以增强一个人的自尊和自我效能,从而减少对自我的不确定性。 ].寻求支持和社会联系是慢性疾病患者生活中的一个关键点[ ].除了信息支持外,社交媒体用户还从他们访问的健康信息中获得情感和同伴支持[
].情感支持是卫生保健环境中同伴支持的一个关键组成部分。众所周知,高度的情感支持可以减轻压力反应,并防止随之而来的对抑郁症、创伤后应激障碍和前列腺癌进展的不利影响[ ].报告有更多有形情感支持的患者更有可能与其他患者和医疗专业人员经历积极的社会互动[ ].微信用户可通过与朋友聊天、加入感兴趣的社交媒体群、与他人保持联系等方式获得情感支持[ ].同伴支持是社会支持的一个子类别,它是由来自类似人口统计学群体或疾病社区的同伴的支持来源来区分的。社交媒体群是讨论医疗状况、分享个人经历和寻求健康信息的重要平台[
, ].在这项研究中,同伴支持被定义为社交媒体用户在分享他们对COVID-19的知识和经历时从他人那里获得的一种支持。然而,互联网上卫生信息的质量可能因来源而异,卫生错误信息已成为对公共卫生的严重威胁[ ].例如,网上健康信息的不准确会恶化医患关系,并削弱对医生的信任[ ].因此,研究人们在社交媒体上获得的关于COVID-19的社会支持与他们的心理健康和精神障碍之间的关系将非常重要。总的来说,同伴的支持通过为控制疾病和保持健康提供必要的情感、社会和实际的帮助来补充和增强心理健康。精神卫生与大流行
全球卫生危机,特别是2019冠状病毒病大流行,对人类社会的卫生产生多种和重大影响[
].与COVID-19相关的有害后果以及前所未有的缓解战略对全世界人民的福祉和精神健康构成重大威胁[ ].新冠肺炎疫情极大地改变了我们日常生活的各个方面,包括经济、旅行、人际交往和健康管理[ ].当一个人的日常生活突然被大流行严重打乱时,人脑可能不再像往常一样正常运作;因此,这可能导致压力或精神障碍[ ].这不仅影响到被诊断患有COVID-19的人,还影响到那些看起来“正常”或“健康”的人。因此,那些自己没有感染过病毒,但在COVID-19大流行期间经历过或目睹过其他人的挑战的人,可能会出现精神障碍[ ].虽然关于社会支持与心理健康之间关系的研究结果并不一致,但总的来说,社会支持已被发现在对抗压力事件和从心理困扰中恢复方面具有生理和心理上的优势[ ].然而,缺乏社会支持与抑郁症的发生和发展有关[ ]、情绪障碍[ ],以及其他疾病,如多发性硬化症和类风湿性关节炎[ , ].研究问题
基于之前的研究结果,本研究是首次调查中国COVID-19流行高峰期间非患者的心理健康状况,如压力、焦虑、抑郁、继发性创伤应激(STS)和替代创伤(VT)。我们测量了STS和VT,但没有测量创伤后应激症状,因为当我们收集数据进行分析时,COVID-19是一场持续的危机。随后,我们分析了可能导致STS和VT等精神障碍的内部(即人口统计学)和外部(即大流行和环境条件)因素。具体而言,我们调查了以下研究问题:
- RQ1:非患者在中国COVID-19疫情高峰期是否经历过任何压力、焦虑、抑郁、STS或VT ?
- 生活在不同地理位置的人是否经历了不同程度的精神障碍?
- RQ3:人口统计和大流行情况,如封锁、隔离条件和死亡人数,如何导致可能的精神疾病?
- RQ4:使用社交媒体与精神障碍有何关联?
- RQ5:卫生信息、情感和同伴支持如何调节人口统计学或大流行情况与STS或VT之间的关系?
- RQ6:地理定位是否会与人们通过社交媒体获得的健康信息、情感和同伴支持相互作用,以预测精神疾病?
方法
抽样
一家营销研究公司通过使用配额抽样方法,帮助为这项研究招募了一个全国代表性样本,调查社交媒体的使用如何影响中国人的心理健康状况。本次调查共发放4500份问卷,3820人参与调查。排除不完整数据后,共纳入2185名参与者的回复进行进一步分析。这些参与者来自中国30个省份,居住在大城市(如北京、上海、广州和武汉)、小城镇和农村地区。为了避免因有关心理健康问题或COVID-19的问题而对参与者造成再创伤,该调查包括筛查问题,以排除COVID-19患者或目前或以前患有抑郁症或创伤性疾病的患者。
在获得大学机构审查委员会的批准后,我们于2020年2月进行了一项网络调查,当时是中国新冠肺炎疫情的高峰期,由于确诊病例激增,大多数人被迫生活在封锁条件下。在这项调查中,参与者获得了小额经济激励(每人10日元或1.34美元),并被要求回答与人口统计学、社交媒体使用、心理健康状况变化和封锁条件相关的具体问题。对这项研究感兴趣的参与者会收到一条包含调查URL和登录凭证的消息。调查是有密码保护的,没有这些凭证就无法访问。
措施
压力、焦虑和抑郁使用李克特4分制量表进行测量,得分范围从0(“完全不适用于我”)到3(“非常适用于我,或大部分时间”);所有其他指标都采用李克特5分制进行评估,得分范围从1(“非常不同意”)到5(“非常同意”)。
社交媒体使用
微信是中国占主导地位的社交媒体应用,参与者对该应用的使用情况使用了一种最初用于测量Facebook成瘾的6项工具[
].问卷项目的措辞略有修改,以更好地适应参与者在COVID-19疫情期间的实际微信使用情况。例如,参与者被要求评估他们对6个陈述的同意程度,包括“你想要更多地了解这种流行病,所以你有一种冲动,想要更多地使用微信”和“你经常使用微信获取关于这种流行病的健康信息,以至于它对你的生活产生了负面影响”。6项得分的平均值形成社交媒体使用指数(平均值3.123,标准差0.809;克伦巴赫α= .901)。数值越高,表示过度使用社交媒体。信息、情感和同伴支持
信息支持、情感支持和同伴支持量表是根据以前的研究采用和修订的[
, ].信息支持是根据4个项目来衡量的,包括“如果我有与冠状病毒流行有关的问题或需要帮助,我通常可以在微信上找到答案。”对这4项得分取平均值,形成信息支持度指数(mean 3.376, SD 0.900;克伦巴赫α=.868)。情感支持是基于4个项目来衡量的,包括“微信上的健康信息帮助我减轻孤独感。”情绪支持指数具有较高的内部一致性(均值3.292,SD 0.892;克伦巴赫α= .908)。同样,同伴支持也基于6个项目来衡量,包括“微信个朋友给我更多我不熟悉的冠状病毒疫情的信息。”同伴支持指数也具有较高的内部一致性(平均值3.245,SD 0.586;克伦巴赫α= .907)。压力、焦虑和抑郁
我们使用了21项抑郁焦虑压力量表(DASS-21)中的7项[
来衡量压力,包括“我觉得我消耗了很多紧张的精力”和“我发现自己变得焦躁不安”。这些问卷项目采用李克特4分制进行评估,得分范围从0(“完全不适用于我”)到3(“非常适用于我,或大部分时间适用于我”)。7项得分之和构成压力指数(mean 4.968, SD 4.455;克伦巴赫α= .860)。采用DASS-21量表对焦虑进行测量(mean 5.030, SD 4.799;Cronbach α=.860)和抑郁(平均5.104,SD 4.975;克伦巴赫α= .860)。STS和VT
STS是一个人在听到另一个人的第一手创伤经历时所经历的情感痛苦[
].在本研究中,STS的测量使用了Bride等人的14项仪器[ ,包括“我感到情感麻木”和“一想到冠状病毒疫情,我的心就开始狂跳。”将这14个项目的得分取平均值,形成STS指数(mean 2.466, SD 0.799;克伦巴赫α= .938)。值越高,说明STS水平越高。VT的概念由Pearlman和Saakvitne提出[
在描述人们在接触他人的创伤故事并目睹创伤幸存者所忍受的痛苦、恐惧和恐怖后所经历的创伤经历时。本研究使用Vrklevski和Franklin开发的8项仪器测量VT [ ,包括“我发现自己在家里想着令人痛苦的事情”和“有时我觉得无法以我想要的方式帮助别人。”VT指数具有良好的内部一致性(mean 3.349, SD 0.723;克伦巴赫α= .861)。最后,使用以下问题来衡量大流行情况:“你的居住地被封锁多长时间以限制非居民进入?”“你有家人或朋友正在接受隔离吗?”“你是否有家人或朋友被确诊感染了冠状病毒?”以及“你知道有家人或朋友死于冠状病毒疫情吗?”参与者的年龄、性别、教育程度、收入和地理位置的数据也得到了。
数据分析
为了回答RQ1,我们首先对焦虑、抑郁、压力、STS和VT进行描述性数据分析t测试被用来比较不同精神疾病的水平。为了回答RQ2,我们以精神障碍为因变量,以地理位置为自变量,进行单向方差分析。对于RQ3和RQ4,我们进行层次回归分析。模型中以STS为因变量,其次为VT、压力、焦虑和抑郁。模型的第一步输入人口统计信息,第二步输入大流行情况,第三步输入社交媒体使用情况。对于RQ5,我们进行了结构方程建模。人口统计和大流行情况被用作外生变量来预测信息支持、情感支持和同伴支持,这些变量反过来预测内生变量(即STS和VT)。对于RQ6,我们使用广义线性模型来分析地理位置与信息、情感和同伴支持之间的相互作用,以预测精神障碍。
结果
精神疾病的流行
与中国中央政府公布的最新人口普查数据相比[
],国家样本属性与中国人口比例基本匹配。样本人口统计数据被认为是可能影响压力、焦虑或抑郁水平的内部因素( ).大流行情况和环境条件被认为是可能导致STS或VT的外部因素( ).数据显示,疫情对人们的心理健康造成了重大损害。武汉宣布封城仅3周后,10%(219/2185)的参与者报告他们经历了中度至重度焦虑,9.8%(215/2185)的参与者报告他们经历了轻度焦虑症状。同时,全国样本中5.5%(121/2185)患有中度至重度抑郁症,14.5%(316/ 2185)的参与者报告轻度抑郁症。这些结果与COVID-19期间在中国进行的其他调查结果一致,该调查报告称,约22%的人经历过焦虑,20%的人经历过抑郁和焦虑的结合[
],尽管没有研究评估创伤性障碍。本研究显示,中国人的STS水平中等(平均2.466,SD 0.799), VT水平相对较高(平均3.934,SD 0.723), VT水平明显高于STS水平(t2184= 46.747;P <措施)。内部因素 | 价值 | |
年龄(年),平均值(SD) | 33.43 (31) | |
性别,n (%) | 2185 (100) | |
女 | 1192 (54.6) | |
男性 | 993 (45.6) | |
收入,n (%) | 2185 (100) | |
收入极低 | 353 (16.2) | |
低的收入 | 445 (20.4) | |
中等收入的 | 1223 (56) | |
高收入 | 130 (5.9) | |
收入非常高 | 34 (1.6) | |
婚姻状况,n (%) | 2185 (100) | |
未婚 | 715 (32.7) | |
结婚了 | 1470 (67.3) | |
教育程度,n (%) | 2185 (100) | |
中学及以下学历 | 246 (11.3) | |
高中 | 492 (22.5) | |
三年的大学 | 587 (26.9) | |
四年制大学 | 766 (35.1) | |
研究生学位 | 94 (4.3) |
外部因素 | 值,n (%) | |
地理位置 | 2185 (100) | |
农村地区 | 592 (27.1) | |
小城市或小镇 | 1189 (54.4) | |
大城市 | 404 (18.5) | |
锁定时间 | 2185 (100) | |
没有锁定 | 0 (0) | |
1 - 2周 | 1065 (48.7) | |
3 - 4周 | 795 (36.4) | |
5 - 6周 | 213 (9.7) | |
7周或以上 | 112 (5.1) | |
已知的隔离病例 | 2185 (100) | |
没有一个 | 1983 (90.8) | |
1人 | 63 (2.9) | |
2人 | 73 (3.3) | |
3人 | 41 (1.9) | |
4人或以上 | 25 (1.1) | |
已知死亡病例 | 2185 (100) | |
没有一个 | 2082 (95.3) | |
1人 | 31 (1.4) | |
2人 | 48 (2.2) | |
3人 | 18 (0.8) | |
4人或以上 | 6 (0.3) | |
已知感染病例 | 2185 (100) | |
没有一个 | 2016 (92.3) | |
1人 | 73 (3.3) | |
2人 | 65 (3) | |
3人 | 24 (1.1) | |
4人或以上 | 7 (0.3) |
精神疾病的内部和外部因素
我们的分析表明,一系列内部(即人口统计)和外部(即大流行和环境条件)因素与精神障碍有关(
),以及压力、焦虑和抑郁( ).在压力方面,较年轻的参与者(β=−.142;P<.001),男性(β= .054;P=.04)、已婚或离异(β= .078;P<.001),并且收入较高(β= .049;P=.03)在大流行期间报告的压力水平高于其他参与者。这些人口统计数据占压力方差的2.3% (ΔR2= 0;P<措施)。在封锁状态下生活较长时间的参与者报告压力水平较高(β= .028;P=.04),以及在朋友和家人中知道更多隔离病例的人(β= .105;P<.001),以及更多与covid -19相关的死亡病例(β= .117;P<措施)。这些大流行情况占压力方差的4.2% (ΔR2= .042;P<措施)。在焦虑方面,较年轻的参与者(β=−.085;P<.001),男性(β= .058;P=.007)、已婚或离异(β= .054;P=.03)报告的焦虑水平高于其他参与者。这些人口统计数据占焦虑方差的0.8% (ΔR2= .008;P= . 01)。在封锁情况下生活时间较长的参与者(β= .051;P=.02)和知道家庭成员和亲密朋友中有更多隔离病例的人(β= .092;P<.001)以及更多的死亡病例(β= .085;P=.001)报告焦虑程度更高。这些封锁情况占焦虑方差的3.9% (ΔR2= .039;P<措施)。
至于抑郁症,据报告,年轻的参与者比年长的参与者更抑郁(β=−.094;P<措施)。知道家庭成员和亲密朋友中有更多隔离病例的参与者(β= .107;P<.001)以及更多的死亡病例(β= .073;P=.02)报告抑郁程度较高。这些大流行情况占抑郁症方差的3.7% (ΔR2= .037;P <措施)。
至于精神疾病,例如STS和VT,较年轻的参与者(β=−.099;P<.001),受教育程度更高(β= .093;P<.001),已婚(β= .081;P<.001)更有可能出现STS症状。这些人口统计数据占STS方差的1.7% (ΔR2= .017;P<措施)。由于这些参与者知道更多的家庭成员和亲密朋友被隔离,他们更有可能患上STS (β= .053;P= .048)。这些大流行情况占STS方差的1.5% (ΔR2= .015;P<措施)。此外,女性(β=−.059;P=.007)和受教育程度较高(β= .085;P<.001)参与者经历了更高水平的室速。这些人口统计学因素占VT方差的1.8% (ΔR2= .018;P<措施)。家庭成员和亲密朋友之间的隔离病例知识也积极预测VT (β= .057;P= .003)。这些大流行情况占VT方差的0.6% (Δ)R2= .006;P= . 01)。
变量 | 继发性创伤性应激 | 替代性创伤 | |||||||||||||||
β | t测试(df)一个 | P价值 | ΔR2 | β | t测试(df)一个 | P价值 | ΔR2 | ||||||||||
第一步:人口统计 | .017b | .018b | |||||||||||||||
年龄 | −.099 | −3.899 (5)c | <措施 | - - - - - -d | −.013 | −.502(5) | 53 | - - - - - - | |||||||||
性别 | .015 | .673 (5) | 54 | - - - - - - | −.059 | −2.705 (5) | .007 | - - - - - - | |||||||||
收入 | −.032 | −1.365 (5) | .46 | - - - - - - | .045 | 1.918 (5) | 0。 | - - - - - - | |||||||||
婚姻 | .081 | 3.197(5) | <措施 | - - - - - - | .046 | 1.810 (5) | 06 | - - - - - - | |||||||||
教育 | .093 | 3.887(5) | <措施 | - - - - - - | .085 | 3.570(5) | <措施 | - - - - - - | |||||||||
步骤2:大流行情况 | .015b | .006e | |||||||||||||||
锁定时间 | .041 | 1.865 (4) | 07 | - - - - - - | .015 | .666 (4) | 54 | - - - - - - | |||||||||
已知隔离病例 | .053 | 1.976(4) | .048 | - - - - - - | .057 | 2.122(4) | .003 | - - - - - - | |||||||||
已知感染病例 | .022 | .732 (4) | .46 | - - - - - - | −.026 | −.839(4) | .40 | - - - - - - | |||||||||
已知死亡病例 | .052 | 1.783 (4) | .095 | - - - - - - | −.006 | −.188(4) | .79 | - - - - - - | |||||||||
第三步:使用社交媒体 | .091b | .479b | |||||||||||||||
社交媒体使用 | .307 | 14.899 (1) | <措施 | - - - - - - | .688 | 43.315(1) | <措施 | - - - - - - |
一个双尾t进行了测试。
b这表示P<措施。
c斜体表示有统计学意义。
d不适用。
e这表示P< .005。
变量 | 压力 | 焦虑 | 抑郁症 | ||||||||||||||||||||||||
β | t测试(df)一个 | P价值 | ΔR2 | β | t测试(df)一个 | P价值 | ΔR2 | β | t测试(df)一个 | P价值 | ΔR2 | ||||||||||||||||
1 .人口统计 | 0。b | .008c | .007c | ||||||||||||||||||||||||
年龄 | −.142 | −5.452 (5)d | <措施 | - - - - - -e | −.085 | −3.316 (5) | <措施 | - - - - - - | −.094 | −3.678 (5) | <措施 | - - - - - - | |||||||||||||||
性别 | .054 | 2.445 (5) | .04点 | - - - - - - | .058 | 2.650(5) | .007 | - - - - - - | .031 | 1.419 (5) | .147 | - - - - - - | |||||||||||||||
收入 | .049 | 2.022 (5) | 03 | - - - - - - | .017 | .729 (5) | .459 | - - - - - - | .019 | .782 (5) | .423 | - - - - - - | |||||||||||||||
结婚了 | .078 | 3.035 (5) | <措施 | - - - - - - | .054 | 2.412(5) | 03 | - - - - - - | .049 | 1.923 (5) | .125 | - - - - - - | |||||||||||||||
教育 | .035 | 1.424 (5) | .14点 | - - - - - - | .005 | .210 (5) | .806 | - - - - - - | −.003 | −.120(5) | .930 | - - - - - - | |||||||||||||||
2 .大流行情况 | .042b | .039b | .037b | ||||||||||||||||||||||||
锁定时间 | .028 | 2.438 (4) | .04点 | - - - - - - | .051 | 2.329(4) | 02 | - - - - - - | .035 | 1.609 (4) | .114 | - - - - - - | |||||||||||||||
已知的隔离病例 | .105 | 3.070 (4) | <措施 | - - - - - - | .092 | 3.478(4) | <措施 | - - - - - - | .107 | 4.045(4) | <措施 | - - - - - - | |||||||||||||||
已知感染病例 | .006 | 1.256 (4) | .623 | - - - - - - | .037 | 1.217 (4) | .223 | - - - - - - | .036 | 1.168 (4) | .242 | - - - - - - | |||||||||||||||
已知死亡病例 | .117 | 3.887 (4) | <措施 | - - - - - - | .085 | 2.901(4) | 措施 | - - - - - - | .073 | 2.483(4) | 02 | - - - - - - | |||||||||||||||
3 .使用社交媒体 | .030b | .048b | .039b | ||||||||||||||||||||||||
微信的使用 | .175 | 8.175 (1) | <措施 | - - - - - - | .224 | 10.672(1) | <措施 | - - - - - - | .201 | 9.521(1) | <措施 | - - - - - - |
一个双尾t进行了测试。
b这表示P<措施。
c这表示P< . 01。
d斜体表示有统计学意义。
e不适用。
地理定位和精神障碍
生活在大城市、小城镇和农村地区的参与者报告了不同程度的压力(F2, 2075= 7.224;P<措施)。在新冠肺炎袭击中国后,生活在大城市的参与者(平均5.036,标准差4.518)比生活在农村地区的参与者(平均4.367,标准差4.351;P= .02点)。生活在小城镇的参与者(平均5.238,标准差4.460)也比生活在农村地区的参与者(P<.001),但生活在大城市和生活在小城镇的参与者之间的差异很小。在焦虑方面也观察到类似的模式,因为生活在这三个地理位置的参与者报告了不同程度的焦虑(F2, 2183= 3.569;P= 03)。来自小城市或乡镇的参与者(平均5.270,标准差4.747)比来自农村地区的参与者(平均4.647,标准差4.820;P=.01),但来自大城市的参与者(均值4.883,标准差4.891)与来自小城市或乡镇的参与者(P= 16)。此外,来自大城市的参与者与来自农村地区的参与者之间没有显著差异(P=。45)。
关于地理位置的影响,抑郁症也观察到类似的模式(F2, 2183= 3.569;P= 03)。来自小城市或城镇的参与者(平均5.344,SD 4.877)比来自农村地区的参与者(平均4.682,SD 5.092;P= .008)。居住在大城市和小城镇的参与者之间没有显著差异(平均值5.015,标准差5.054;P=.25)生活在大城市和农村地区的参与者(P= .30)。
社交媒体使用与精神障碍
更多使用社交媒体助长STS (β= .307;P<措施;ΔR2= .091;的总和R2=.124)和VT (β= .688;P<措施;ΔR2= .479;的总和R2=.481),如
.使用更多社交媒体的参与者也报告了更高的压力水平(β= .175;P<措施;ΔR2= .030;的总和R2=.095),焦虑(β= .224;P<措施;ΔR2= 048;的总和R2=.095),抑郁症(β= .201;P<措施;ΔR2= .039;的总和R2= .083)。信息、情感和同伴支持的中介效应
最后,采用结构方程模型来评估参与者从社交媒体上分享的健康信息中获得的信息、情感和同伴支持的中介效应。模型拟合良好,以下指标表明:χ219=25.286,最小差异除以其df(CMIN /df) = 1.331,P=。15,root mean square error of approximation=0.012, comparative fit index=.999, and Bentler-Bonett Normed fit index=0.996.
显示较年轻的参与者(β=−.062;P=.03),女(β=−.051;P=.05),受教育程度较高(β= .054;P=.05)和收入较高(β= .106;P<.001)在社交媒体上得到了更多的信息支持。另一方面,年龄较大的参与者(β= .100;P<.001)和受教育程度更高(β= .071;P=.007)和收入较高(β= .106;P<.001)在使用社交媒体时获得了更多的情感支持。年龄较大的参加者(β= .070;P=.005),已婚(β= .069;P=.004),受教育程度更高(β= .088;P<.001)和收入较高的人(β= .122;P<.001)在使用社交媒体时得到了更多的同伴支持。了解更多家庭成员和亲密朋友之间的隔离病例可能会对信息支持产生负面影响(β=−.060;P=.04)、情感支持(β=−.058;P=.03),或同行支持(β=−.051;P= .02点)。在封锁环境中生活的时间越长,通过社交媒体获得的情感支持就越少(β=−.058;P= 03)。家庭成员和朋友对COVID-19死亡的了解越多,信息支持就越少(β=−);P=.05)和情感支持(β=−.051;P=.03)通过使用社交媒体。信息支持(β= .165;P<.001)和同伴支持(β= .332;P<.001)与较高的VT报告水平相关。更多的同伴支持也增加了STS水平(β= .130;P<.001),而更多的情感支持导致VT水平增加(β= .144;P<.001),但STS水平(P= 36)。
地理位置的调节作用
地理定位与情绪支持在VT预测中有交互作用(F2= 3.549;P= .029;看到
).来自农村地区的参与者,当他们通过社交媒体获得更高的情感支持时(平均3.666,SD 0.796),比他们获得更低的情感支持时(平均3.134,SD 0.606;t462= 7.947;P<措施);而来自小城市或乡镇的受访者差异更大(高情绪支持:均值3.825,SD 0.761 vs低情绪支持:均值3.077,SD 0.628;t913= 16.012;P<.001)和大城市(高情感支持度:均值3.756,SD 0.659 vs低情感支持度:均值3.024,SD 0.764;t307= 8.713;P<措施)。如
,地理位置与信息支持相互作用,以预测STS (F2= 5.093;P= .006)。对于居住在农村地区或小城市的参与者,通过社交媒体获得更多信息支持的参与者与通过社交媒体获得相对较少信息支持的参与者在STS水平上没有显著差异。然而,在居住在大城市的参与者中,通过社交媒体获得更多信息支持的参与者的STS水平(平均值2.627,SD 0.953)高于在社交媒体上获得相对较少信息支持的参与者(平均值2.302,SD 0.802;t299= 3.210;P=措施)。如
,地理位置也调节同伴支持与STS的关系(F2= 5.059;P= .006)。对于生活在农村地区的参与者,得到更多同伴支持的参与者的STS水平(平均值2.796,SD 1.029)高于得到较少同伴支持的参与者(平均值2.395,SD 0.732;t350= 3.369;P=措施)。然而,对于生活在大城市和小城市的参与者来说,社交媒体上的同伴支持对STS水平没有影响。讨论
主要研究结果
由于持续的COVID-19大流行影响着全世界的人们,研究人员开展调查以解决大流行的心理健康后果,以减轻对普通人群造成的无形伤害,这一点至关重要。这项研究的结果表明,COVID-19大流行对心理健康的影响可能有复杂的多因素原因,包括生物、行为和环境决定因素,如社交媒体的使用。分析表明,COVID-19几乎一开始在中国传播,就对非患者的心理健康造成了严重损害。除封锁环境和隔离条件外,社交媒体的使用是造成心理健康总体损失的最大原因。
此外,分析表明,严重的精神疾病出现在中国的普通人群中,20%的参与者报告焦虑,其中十分之一的参与者报告中度至重度焦虑。此外,大约20%的全国样本报告有抑郁症状,其中5.5%有中度至重度抑郁。总体而言,这些中国参与者报告了中等水平的STS和相当高水平的VT。当我们考虑到参与者在参与时没有被诊断患有COVID-19或在COVID-19爆发前有任何精神疾病史这一事实时,报告的精神疾病患病率似乎特别有害。
我们的研究结果表明,许多内部和外部因素与压力、焦虑和抑郁有关。在内部因素中,在中国COVID-19疫情爆发的高峰期,年轻、男性和受教育程度更高的参与者比其他参与者更紧张或焦虑。这一发现与之前在非大流行背景下的研究不一致,后者报告称女性参与者往往压力更大。一种可能的解释可能是,年轻人和男性往往比老年人或女性更经常出去帮助他人购买杂货,而老年人或女性在封锁情况下呆在家里的时间更多[
].另一种解释可能是,与女性相比,男性由于健康原因更容易受到压力。 ].以前的研究也表明,年轻人比老年人有更高的心理困扰率。 ].未来的研究还应研究与性别和年龄相关的不同压力类型和弹性机制,以了解不同的压力源如何不同地影响心理健康。使用社交媒体导致精神疾病的这一发现可以归因于年轻人更多地依赖社交媒体,并通过社交媒体获得更多关于大流行的信息。值得注意的是,高收入的参与者比那些不太富裕的人更有压力和焦虑。更年轻、已婚和受教育程度更高的参与者也报告有更多的STS症状,没有观察到性别差异,这表明STS对男性和女性的影响相似。然而,更年轻和受教育程度更高的女性参与者报告了更高水平的VT,这需要进一步研究为什么VT对女性的影响大于男性。
在外部因素中,地理位置被发现是COVID-19非患者心理健康的关键决定因素。总的来说,生活在大城市的参与者和生活在小城市或小镇的参与者感到的焦虑和抑郁程度相似,而农村地区的参与者的压力、焦虑和抑郁程度最低。这可能是因为大城市的生活条件更密集,参与者看到的感染者更多,知道的与covid -19相关的死亡人数也更多。在中国,城市的医疗资源比农村更容易获得;然而,更多的资源并没有减少城市居民的焦虑或恐惧。这一发现表明,中国人在最初几周准确评估了新冠肺炎疫情的严重程度。
我们的研究结果表明,即使是自己没有感染COVID-19也没有被隔离的人,只要他们生活在封锁环境中,或者目睹了家人或朋友的感染、隔离和死亡,他们也可能会经历压力、焦虑或抑郁。COVID-19大流行不仅危及了病毒感染者,还使中国普通民众陷入了精神健康危机,许多人甚至报告说他们经历了情感创伤。所有这些病例都是在COVID-19暴发后2个月内报告的。因此,生活在大流行环境中显然会使人非常衰弱,在许多情况下,它对人们的心理健康产生毁灭性影响,可能造成终身后果。
我们研究的另一个重要发现是使用社交媒体获取健康信息与精神疾病易感性之间的关系。这一发现与最近在中国武汉(全球首个COVID-19疫情中心)进行的一项研究一致,研究人员透露,过度使用社交媒体可能会导致心理健康问题[
].在本研究中,参与者报告从社交媒体上分享的健康信息中获得了社会支持;对于那些受教育程度更高、收入更高的人来说尤其如此。然而,在他们获得的具体信息、情感或同伴支持方面,观察到一些差异。年轻的女性参与者得到了最多的信息支持,而年长的参与者比其他人得到了更多的情感支持,已婚参与者比其他人得到了更多的同伴支持。这些结果表明,人们在社交媒体上处理健康信息的方式不同,获得的支持也不同。值得注意的是,该方法并没有表明社交媒体的使用导致了精神障碍。我们认为,深入了解社交媒体的使用可能有助于更好地理解大流行背景下精神卫生状况的机制。
另一方面,在疫情爆发期间了解更多的隔离病例会破坏所有3种类型的支持。在封锁环境中生活得越久,来自社交媒体使用的情感支持也会减少。对家人或朋友死亡案例的了解越多,他们报告的信息和情感支持就越少。同时,获得更多信息和同伴支持的参与者报告的STS和VT水平较低。当人们通过使用社交媒体获得更多的情感支持时,他们倾向于报告更高的VT水平,但STS没有。这些发现需要进一步研究STS和VT对大流行环境中非患者的病理影响。
值得注意的是,尽管了解更多隔离病例的参与者报告通过社交媒体获得的信息、情感和同伴支持较少,但他们报告的STS水平仍然较高,并且更容易受到精神疾病的影响。对此的一种可能解释是,知道更多隔离病例的参与者可能试图从家人、同事和朋友等其他来源寻求信息,而不是通过社交媒体,而这些来源的信息可能会增加他们的STS水平。此外,我们的额外数据分析表明,对于知道少于4个隔离病例的参与者,信息支持(r= .069;P=.001)、情感支持(r= .061;P=.005),以及同行支持(r= .113;P<.001)他们在微信收到的信息与他们的STS水平呈正相关。然而,对于知道4个或以上隔离病例的参与者,信息支持(P=.464)、情感支持(P=.805),以及同行支持(P=.576)不再与STS水平相关,这表明无论使用社交媒体与否,这组参与者通常都保持了较高的STS水平。这一发现与之前的研究一致,这些研究描述了人们在COVID-19期间经历的潜在快感缺乏症状,其特征是无法从活动中体验快乐,并与抑郁、自杀和其他心理健康问题有关[
].结论
这项研究的结果表明,在COVID-19大流行期间,公众极易受到心理健康问题的影响。即使对那些没有任何精神障碍史或自己没有感染COVID-19的人来说,生活在大流行的情况下也会产生严重的精神健康后果。一系列内部和外部因素已被确定,可能会导致这些心理健康状况。例如,年龄、性别、婚姻状况、教育程度和收入水平在大流行期间对个人的心理健康状况起着重要作用。地理位置、封锁时间和社交媒体的使用也被发现对心理健康和创伤性疾病有影响。尽管人们通过使用社交媒体获得健康信息支持,但过度使用社交媒体与压力水平升高或精神疾病有关。这一发现并不表明社交媒体的使用导致了心理健康问题,但它可以调节处于健康危机中的人所经历的创伤情绪水平。
在全世界抗击COVID-19大流行之际,其对心理健康的有害影响将在未来几个月,甚至在大流行结束后更加明显。因此,卫生保健提供者需要仔细监测公众的心理社会需求,并在需要时及时提供心理社会支持。我们认为,这项研究的发现可以帮助全球公民和卫生政策制定者减轻这次以及其他公共卫生危机中的精神障碍,因此,这应该被视为普遍大流行应对的一个关键组成部分。
作者的贡献
钟步、蒋志斌为共同第一作者。
利益冲突
没有宣布。
参考文献
- Torales J, O'Higgins M, Castaldelli-Maia JM, Ventriglio A. COVID-19冠状病毒的爆发及其对全球心理健康的影响。国际社会精神病学2020年6月;66(4):317-320。[CrossRef] [Medline]
- 钟波,黄燕,刘强。冠状病毒造成的心理健康损失:社交媒体的使用揭示了武汉居民在COVID-19疫情中的抑郁和继发性创伤。Comput Human behaviour 2021 Jan;114:106524 [免费全文] [CrossRef] [Medline]
- 高洁,郑鹏,贾勇,陈红,毛勇,陈松,等。COVID-19疫情期间的心理健康问题和社交媒体暴露。PLoS One 2020;15(4):e0231924 [免费全文] [CrossRef] [Medline]
- 文德加德N,本罗斯ME。COVID-19大流行与心理健康后果:对现有证据的系统审查。脑行为学Immun 2020 Oct;89:531-542 [免费全文] [CrossRef] [Medline]
- 薄华,李伟,杨勇,王勇,张强,张T,等。中国COVID-19临床稳定患者的创伤后应激症状和对危机精神卫生服务的态度精神医学2020年3月27:1-2。[CrossRef]
- 张静,陆辉,曾辉,张松,杜强,姜涛,等。受COVID-19大流行影响人群的不同心理困扰。脑行为学Immun 2020 july;87:49-50 [免费全文] [CrossRef] [Medline]
- 朱松,吴勇,朱超,洪伟,于智,陈震,等。COVID-19大流行对有或没有隔离管理的人群的直接心理健康影响。大脑行为Immun 2020七月;87:56-58 [免费全文] [CrossRef] [Medline]
- 康林,马松,陈敏,杨军,王勇,李锐,等。2019年新型冠状病毒病暴发期间武汉医护人员心理健康和心理护理认知的影响:一项横断面研究脑行为学Immun 2020七月;87:11-17 [免费全文] [CrossRef] [Medline]
- 2019冠状病毒病期间卫生保健工作者的结构性脆弱性:对风险的社会背景和资源公平分配的观察。社会科学医学2020年8月;258:113119 [免费全文] [CrossRef] [Medline]
- 谢伟,Newhagen JE。通信接口接近度对用户在台式机、笔记本电脑和手持设备上收到的犯罪警报的焦虑的影响。公共决议2012年6月05日;41(3):375-403。[CrossRef]
- 刘s .中国工业互联网如何抗击COVID-19。世界经济论坛互联网2020年4月8日URL:https://www.weforum.org/agenda/2020/04/china-covid-19-digital-response[2020-12-21]访问
- 沙玛M,亚达夫K,亚达夫N,费迪南德KC.寨卡病毒大流行分析作为社交媒体健康信息平台的Facebook。中国感染控制杂志2017年3月1日;45(3):301-302。[CrossRef] [Medline]
- Ahmad AR, Murad HR。伊拉克库尔德斯坦COVID-19大流行期间社交媒体对恐慌的影响:在线问卷研究J Med Internet Res 2020年5月19日;22(5):e19556 [免费全文] [CrossRef] [Medline]
- Marino C, Gini G, Vieno A, Spada MM.青少年和年轻人的Facebook使用问题、心理困扰和幸福感之间的关系:系统回顾和荟萃分析。《情感失调》2018年1月15日;226:274-281。[CrossRef] [Medline]
- Marchant A, Hawton K, Stewart A, Montgomery P, Singaravelu V, Lloyd K,等。对年轻人使用互联网、自残和自杀行为之间关系的系统回顾:好的、坏的和未知的。PLoS ONE 2017 Aug 16;12(8):e0181722。[CrossRef]
- 李志刚,李志刚,李志刚。替代性创伤量表:以受害者辩护人为样本的验证性因素分析和心理测量学特征。卫生社会护理社区2018年7月;26(4):564-571。[CrossRef] [Medline]
- 李霞,刘强。新冠肺炎大流行中社交媒体使用、电子健康素养、疾病知识与预防行为:对中国网民的横断面研究J Med Internet Res 2020 Oct 09;22(10):e19684 [免费全文] [CrossRef] [Medline]
- 卡茨E,哈斯H,古雷维奇M.关于大众媒体对重要事情的使用。美国社会学评论1973年4月;38(2):164。[CrossRef]
- 张志刚,张志刚。个人对大众传播的利用。入:Blumler JG, Katz E,编辑。大众传播的用途:满足研究的当前观点。加州比弗利山:Sage Publications;1974:19-32。
- 赵娟,韩华,钟波,谢伟,陈勇,支敏。社交媒体上的健康信息有助于减轻克罗恩病症状,改善患者的临床病程。计算人类行为2021年2月;115:106588。[CrossRef]
- Stephens MH, Petrie KJ。社会支持和疾病康复及医疗程序。入职:Wright JD,编辑。国际社会与行为科学百科全书(第二版)。阿姆斯特丹:爱思唯尔;2015:735 - 740。
- 编辑Gudykunst W。关于跨文化交际的理论。加州千橡市:Sage Publications;2005:480。
- 社会支持中的两个重要区别:类型支持和感知支持与接受支持。应用社会心理学报1993年5月;23(10):825-845。[CrossRef]
- 高华,王磊,徐勇。了解受众对一流日记型和信息型博主提供的不同类型的社会支持。Cyberpsychol Behav Soc Netw 2013 3月;16(3):194-199 [免费全文] [CrossRef] [Medline]
- 米德S希尔顿D柯蒂斯l同伴支持:一个理论视角。心理康复杂志2001;25(2):134-141。[CrossRef] [Medline]
- 李志刚,李志刚。社会支持的概念分析。中华儿科杂志1997 1月25(1):95-100。[CrossRef] [Medline]
- 沈M,乔HS。在提高在线健康信息网站的感知效益方面,哪些质量因素很重要?更新的DeLone和McLean信息系统成功模型的应用。国际医学杂志2020年5月;137:104093。[CrossRef] [Medline]
- 希巴德JH。患者激活和使用信息来支持知情的健康决策。患者教育计数2017年1月;100(1):5-7。[CrossRef] [Medline]
- 麦肯纳·凯亚,巴格·贾。互联网时代的出现:通过虚拟群体参与的身份“去边缘化”。中华心理医学杂志,1998;29(3):344 - 344。[CrossRef]
- Naslund JA, Aschbrenner KA, Marsch LA, Bartels SJ。心理健康保健的未来:点对点支持和社交媒体。流行病学与精神病学2016年4月25日(2):113-122 [免费全文] [CrossRef] [Medline]
- 梅纳特A, Lehmann C, Graefen M, Huland H, Koch U.流动前列腺癌患者抑郁、焦虑、创伤后应激障碍与健康相关的生活质量及其与社会支持的关系欧洲癌症护理杂志2010 11月19日(6):736-745。[CrossRef] [Medline]
- Rogala L, Miller N, Graff LA, Rawsthorne P, Clara I, Walker JR,等。基于人群的社会支持、自我感知压力、活动和工作问题以及炎症性肠病患者获得医疗保健的对照研究。肠炎病2008年4月14日(4):526-535。[CrossRef] [Medline]
- 互联世界中的健康与疾病:在互联网上分享经验如何影响人们的健康?Milbank Q 2012 Jun;90(2):219-249 [免费全文] [CrossRef] [Medline]
- 杨峰,钟斌,库玛,周松,欧阳安。网上社会支持交换:肠易激综合征患者在健康论坛互动的纵向社会网络分析。大众通讯杂志2017年9月28日;95(4):1033-1057。[CrossRef]
- 戴娥,孙勇,王山。生姜不能治愈癌症:用综合数据库对抗虚假健康新闻。加州帕洛阿尔托:2020年;2020年5月26日发表于:第十四届国际AAAI网络和社交媒体会议论文集;2020;亚特兰大,佐治亚州p. 1-11网址:https://arxiv.org/abs/2002.00837[CrossRef]
- 哈格蒂SL,威廉姆斯LM。COVID-19对心理健康的影响:大脑生物类型和人际联系的相互作用。脑行为Immun健康2020年5月;5:100078 [免费全文] [CrossRef] [Medline]
- 流行病和精神病学:在COVID-19背景下重新定位研究。亚洲J精神病学2020年6月;51:102159 [免费全文] [CrossRef] [Medline]
- 郝K,巴苏T.冠状病毒是第一个真正的社交媒体“信息大流行”。《麻省理工科技评论》2020年2月12日。URL:https://www.technologyreview.com/2020/02/12/844851/the-coronavirus-is-the-first-true-social-media-infodemic/[2020-12-21]访问
- Wiederhold BK.利用社交媒体为我们的优势:在大流行期间缓解焦虑。网络心理行为网络2020年4月23日(4):197-198。[CrossRef] [Medline]
- Brummett BH, Babyak MA, Siegler IC, Vitaliano PP, Ballard EL, Gwyther LP,等。护理者和非护理者对社会支持、负面影响和睡眠质量的感知之间的关联。《健康心理》2006年3月25日(2):220-225。[CrossRef] [Medline]
- Paykel ES。抑郁症结局的历史概述。中华精神病学杂志2018年8月06日;165(S26):6-8。[CrossRef]
- Michalak EE, Wilkinson C, Hood K, Dowrick C, Wilkinson G.社区样本中的季节性、负面生活事件和社会支持。中华精神病学杂志2018年1月2日;182(5):434-438。[CrossRef]
- Mohr DC, Classen C, Barrera M.多发性硬化症患者社会支持、抑郁和抑郁症治疗的关系。精神医学2004 4月;34(3):533-541。[CrossRef] [Medline]
- 瑞文森TA, Schiaffino KM, Deborah Majerovitz S, Gibofsky a .社会支持是一把双刃剑:积极支持和问题支持与类风湿关节炎患者抑郁的关系社会科学与医学1991年1月;33(7):807-813。[CrossRef]
- Andreassen CS, Pallesen S, Griffiths MD.社交媒体成瘾使用、自恋和自尊之间的关系:来自一项大型全国性调查的发现。成瘾行为2017年1月;64:287-293。[CrossRef] [Medline]
- 吴海杰,李斌。网络社区中以计算机为媒介的社会支持对患者赋权和医患沟通的影响。卫生通报2012;27(1):30-41。[CrossRef] [Medline]
- Barrera MJ, Glasgow R, McKay H, Boles S, Feil E.基于互联网的支持干预会改变社会支持的认知吗?:支持糖尿病自我管理方法的实验性试验。美国社区心理杂志2002年10月30日(5):637-654。[CrossRef] [Medline]
- 消极情绪状态的结构:抑郁焦虑压力量表(DASS)与贝克抑郁焦虑量表的比较。人类行为研究1995年3月33(3):335-343。[CrossRef]
- Cieslak R, Shoji K, Douglas A, Melville E, Luszczynska A, Benight CC.间接创伤暴露对工作倦怠与继发性创伤应激关系的元分析。心理杂志2014 Feb;11(1):75-86。[CrossRef] [Medline]
- Bride BE, Robinson MM, Yegidis B, Figley CR.继发性创伤应激量表的开发和验证。社会工作实践研究2016年8月19日;14(1):27-35。[CrossRef]
- 创伤与治疗师:乱伦幸存者心理治疗中的反移情和替代创伤。纽约州纽约:W.W.诺顿;1995:451。
- 弗莱夫斯基LP,富兰克林J.替代性创伤:暴露于创伤性材料对律师的影响。创伤学2008;14(1):106 - 118。[CrossRef]
- 2010年中国人口普查,各省、直辖市、自治区人口,2000-2010年分地区人口百分比分布变化。人口资料科。中国北京:人口资料局;2011.URL:https://www.prb.org/wp-content/uploads/2011/05/china-2010-census-results-table.pdf[2020-12-21]访问
- Twenge JM, Cooper AB, Joiner TE, Duffy ME, Binau SG。2005-2017年全国代表性数据集中情绪障碍指标和自杀相关结果的年龄、时期和队列趋势。中华心理医学杂志2019年4月28日(3):529 - 529。[CrossRef] [Medline]
缩写
DASS-21:21项抑郁焦虑压力量表 |
中移动:研究问题 |
STS:继发性创伤性应激 |
VT:替代性创伤 |
G Fagherazzi编辑;提交20.08.20;A ramamazan, L Iglesias的同行评审;对作者26.09.20的评论;订正版本收到23.10.20;接受09.12.20;发表31.12.20
版权©钟卜,蒋志斌,谢文静,秦学兵。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2020年12月31日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。