本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

EV0037

高风险游戏玩家每日睡眠与游戏过程的建模：融合可穿戴设备监测与自我报告数据的动态结构方程方法

MODELING DAILY SLEEP–GAMING PROCESSES IN HIGH-RISK GAMERS: A DYNAMIC STRUCTURAL EQUATION APPROACH COMBINING WEARABLE TRACKING AND SELF-REPORT DATA

在高风险游戏玩家中，预测次日游戏时长的是前一晚的主观睡眠质量，而非客观睡眠时长，且这一关系不能由身体活动解释。

本研究旨在考察具有高风险游戏行为的个体在每日层面上睡眠与游戏时长之间的关系，并检验以每日步数作为操作化指标的日常身体活动能否在统计学上解释这些关系。2023年9月至2024年2月，研究通过游戏障碍筛查量表（Gaming Disorder Screening Scale，GDSS），从中国上海和湖南的高校招募了40名高风险大学生（年龄范围17至25岁，平均年龄18.43岁，标准差1.30；92.5%为男性，97.5%为本科生，97.5%使用移动设备玩游戏，72.5%玩多人竞技游戏）。连续28天，分别使用单个条目收集每日游戏时长和前一晚的睡眠质量（0至10分），并使用华为可穿戴设备记录客观睡眠时长和每日步数；采用动态结构方程模型（dynamic structural equation modeling，DSEM）分析数据，区分个体内与个体间成分。在第一个模型中，前一晚较高的主观睡眠质量可预测次日较长的游戏时长（β = 0.091，95%置信区间（confidence interval）[0.034, 0.148]）；同一天内，客观测量的身体活动水平越高，游戏时长越短（β = -0.064，[−0.109, −0.019]）；游戏时长还表现出显著的日间连续性（β = 0.421，[0.360, 0.482]）。在第二个模型中，客观睡眠时长既不能预测次日游戏时长，也不能预测随后的身体活动；当天的身体活动仍与较短的游戏时长相关（β = -0.055，[−0.101, −0.010]），且游戏时长的日间连续性依然存在（β = 0.423，[0.363, 0.482]）。两个模型中，通过身体活动产生的间接效应均不显著。总体而言，在理解游戏行为时，睡眠质量似乎比睡眠时长更具相关性；研究指出，针对睡眠的干预措施和项目若能考虑更广泛的行为模式，包括体育锻炼等替代活动，可能有所裨益。

全部 WCP 2026 摘要