网络成瘾(Internet addiction, IA)指个人无法控制自己的网络行为，从而导致生活功能失调[ 1]。IA的患病率在不同人群中从0.8%到26.7%不等，青少年和青壮年患病率较高[ 2]。IA会导致严重的功能障碍症状，其特征通常是易怒、与人争吵、说谎增加、学业忽视、社交退缩和精神症状[ 3.]。目前对于IA的诊断尚无统一的标准。最近提出的《特定上网障碍标准评估》主要参考《国际疾病分类》第十一次修订(ICD-11) [ 4]。IA的处理仍停留在绘图阶段[ 5]。然而，由于缺乏对核心症状及其相互作用的明确，IA的诊断和治疗变得复杂。

成瘾通常被认为具有异常的渴望欲望、抑制控制受损、强迫性成瘾行为和负面情绪调节异常等症状[ 6]。通过比较ICD-11和《精神疾病诊断与统计手册-第五版》(DSM-5)的诊断标准，我们发现两者都提到了2个特征。首先，人们不仅在玩游戏上花费了大量的时间和精力，更重要的是，他们忽视了生活的现实，不再能够承担他们曾经扮演的社会角色，不再参与社会生活。其次，他们失去了对自己行为的控制，让游戏控制了他们的生活。两者的原因都是，个人不能满足于现实世界，而是在互联网上展示自己的精神世界，以获得成就感[ 7]。这种不同于现实世界的完美形象，是由网络的匿名性带来的。匿名可能会放大阴性症状，从而影响IA的其他症状[ 8]。核心症状是一种障碍最具影响力的症状，它们可以激活其他症状，促进精神疾病的发展[ 9]。一般来说，确定核心症状有助于有针对性地进行临床干预。核心症状根据其不同的性质分为关键症状和结局症状。关键症状是网络中对其他症状影响最大的核心症状，结果症状受其他症状影响最大[ 10]。

近年来，新兴的网络分析视角为理解精神病理学提供了新的视角和工具[ 11]。在网络分析中，不同于以往的观点，现有模型将精神疾病概念化为基于基础模型的静态结构，表明可观察到的临床症状和体征是由基础变量引起的[ 12- 16]。症状网络视角认为症状是精神障碍的综合组成部分[ 9， 17]。网络分析法可以识别症状网络中影响最大的症状(核心症状)，定义为中心性较高的症状。这些有影响力的症状可以更积极地影响网络中的其他症状，从而促进精神疾病的发展[ 9];因此，识别影响症状有助于确定临床干预的目标。 强度和 边缘是网络分析中的两个重要指标，和 强度表示从其他节点到特定节点的连接的总权重。关联线(或 边缘表示节点之间的)。 边缘是节点之间的一条线，表示正则化部分。边缘越宽，联系越强。

网络成瘾的临床症状通常是用问卷来衡量的，如网络成瘾测试(IAT) [ 18， 19]。IAT是一种广泛使用的工具，它显示了足够的心理测量特征[ 20.]。有证据显示，IAT是一个有效和可靠的量表，用于筛查中国青少年的IA [ 21]。IAT量表共包含20个项目，可以从强迫使用行为、戒断症状、耐受性、人际健康、时间管理等方面反映IA [ 21]。多项总分虽能反映病情的严重程度，但对如何治疗症状仍无定论;其中一个原因是症状之间的关系不清楚。IA影响青少年的日常生活;例如，学习是生活的重要组成部分，并反映在两个项目中:IAT_06(学校工作受影响)和IAT_08(工作表现受影响)。另外，IAT_09(防御性或秘密上网)和IAT_18(隐藏上网时间)涉及隐藏上网相关信息，涉及网络匿名;因此，它们之间可能存在一定的联系。先前的研究从几个角度探讨了不同症状之间的关系[ 22]，但结论很少[ 13]。一项关于自闭症的小样本调查发现，防御和秘密行为以及隐瞒使用互联网是核心症状[ 13]，而一个关于抑郁症的小样本研究发现，最重要的桥梁症状是节点IAT_11(“对未来在线活动的预期”)，其次是节点IAT_12(“担心没有互联网的生活无聊空虚”)和节点IAT_19(“花更多的时间上网而不是和别人出去”)[ 23]。然而，对IA群体的大样本研究仍然缺乏。

因此，本研究的目的是通过网络分析来探索IA的核心症状，以及IA症状网络中不同症状之间的关联。我们还纳入了DSM-5中的症状测量条目，类似于其他9项网络游戏障碍量表-短表格(IGDS9-SF)问卷[ 24]。在前人研究的基础上，我们提出两个假设。假设1:IA组与非IA组(NIA)的症状网络存在差异，通过比较ICD-11和DSM-5确定。假设2:对网络的渴望、失控、消极情绪状态是IA的主要症状[ 7]。

通过广告的方式，我们邀请了来自江苏省两所大学的约5900名有上网经验的大学生参与了这项研究。本研究为单中心抽样研究。2019年9月，15.18%(896/5900)的参与者完成了问卷调查。然后，在2020年5月，60.74%(3584/5900)的参与者完成了问卷。通过对两批提交的问卷进行筛选，36.49%(1635/4480)的参与者被排除在外，因为他们在问卷中连续7个以上的问题中选择了相同的答案。这很可能是因为他们没有认真填写问卷，这将导致问卷的不准确完成，影响最终数据分析结果的准确性。因此，63.50%(2845/4480)的参与者被纳入最终分析。第一组参与者在中国一个可靠的、基于网络的数据收集调查平台上报告了他们的互联网使用历史和IAT量表[ 25]。第二批在原问卷的基础上增加了9道关于IA的DSM-5题。所有被调查的学生(4480/4480,100%)都被充分告知调查的目的并自愿参与。

本研究经江苏医学职业学院研究伦理委员会(202002)批准。所有参与调查的人以及他们的家长和学校都签署了知情同意书。

采用自制的结构化问卷收集调查对象的人口统计信息，包括性别、年龄、互联网使用历史(参与者的常用上网方式和活动、上网频率)。

参与者的IA严重程度使用自评工具进行评估:IAT量表[ 26]。每个项目的得分范围从1(很少)到5(总是)。IAT量表的总分在20 - 100分之间，分数越高表明IA严重。该量表具有良好的内部一致性(Cronbach α=点)。根据先前的研究，IAT分数≥50是IA的指标[ 13]。IAT评分<50分者分为NIA组。IAT量表的缩写见 表1．

DSM-5的标准参照IGDS9-SF(其中包含美国心理协会在DSM-5中提出的所有9个网络游戏障碍标准)进行了修订，并与IAT分数一起用于帮助诊断IA。在临床医生的指导下，参照IGDS9-SF对本研究中使用的9个问题进行了修改。本样品的内部一致性良好(Cronbach α= .74点)( 27]。IA的诊断取决于9项诊断标准，其中至少5项必须满足才能被诊断为IA:(1)沉迷于网络游戏;(2)不玩游戏时出现戒断症状;(3)忍耐力;(4)试图减少或停止玩游戏，但失败;(5)放弃其他活动去玩游戏;(6)不顾问题继续玩游戏;(7)欺骗或掩盖玩游戏;(8)为了逃避不良情绪而玩游戏;(9)因为过度玩游戏而面临关系或职业机会的风险或损失。

采用全部2845名被试构建IAT症状网络模型，采用R软件(版本3.6.1;R基础统计计算)使用 qgraph包中。本研究采用偏相关网络方法估计所有症状网络，包括IAT网络和DSM-5基于internet的症状网络。网络的边缘可以理解为部分相关量。相关网络各部分的估计步骤如下:为了估计IA与睡眠障碍症状之间关系的症状网络，我们构建了基于偏相关的Lasso正则化稀疏高斯图模型。在这个过程中，网络中的所有边和小边集被精确地缩小到0 (Lasso正则化)[ 13]。该正则化过程与遵循扩展贝叶斯信息准则的最佳拟合模型选择相结合，导致具有解释力的稀疏网络[ 13]。在网络中，一个圆圈代表一个个体症状(IAT或DSM-5中的一个项目)。关联线(或 边缘表示节点之间的)。盎ydF4y2Ba 边缘是节点之间的一条线，表示正则化部分。边缘的存在表明了IAT网络中节点之间的依赖关系。没有指示变量不能是独立的(给定网络中的所有其他节点)。边缘越宽，联系越强。

为了探究IAT量表与被试DSM-5条目之间的网络相关性，我们采用相同的方法构建了这两个量表的基于互联网的症状网络。对于这个基于互联网的症状网络，我们进一步从第二批79.38%(2845/3584)的参与者中选择数据。

我们使用了三个常见的中心性度量 强度， 亲密, 中间状态量化IAT症状网络和IAT与DSM-5基于互联网的症状网络中节点的特征[ 28]。 强度表示从其他节点到特定节点的连接的总权重。例如，在荷兰，Boschloo等人对健康成年人进行的一项前瞻性纵向研究[ 29发现缺乏抑郁症状(疲劳、抑郁、愉悦和注意力集中)的高强度思维达到了人群的阈值水平;在接下来的6年里，出现严重抑郁发作的风险很大。 亲密定义为从特定节点到网络中所有其他节点的最短距离和的倒数。最短距离是指从一个节点到下一个节点的最小边数。高网络封闭性表示给定节点与网络中所有其他节点之间的平均距离较短。在流行病学中，高度亲近的患者更容易引发疫情的快速发展。 中间状态是任意两个症状之间的最短路径经过另一个症状的次数。具有高中间度的节点可以考虑为 桥梁其他症状;也就是说，如果移除一个高节点，其他节点之间的距离通常会增加。 预期的影响是对中心性的度量，它量化一个症状节点与网络中所有其他节点的关联程度和直接程度。一项对老年丧亲成人的纵向研究结果表明，与具有低预期影响的复杂悲伤症状相比，具有高预期影响的症状严重程度降低预测了整个网络的临床改善。中心性是衡量任意两个症状的最短路径长度，高度介导的症状可以被视为连接其他症状的桥梁。

对于网络症状，症状强度高的节点可视为核心症状，因为高强度节点的症状与其他症状的关系更为密切。根据精神病理学网络理论，当一个高强度节点被激活时，其症状被进一步激活的概率相对较高。节点强度低的症状可视为边缘性[ 28]。

采用1000次迭代的自举过程计算了网络的边缘精度和稳定性估计。首先，我们通过自举边缘权重来估计95% CI边缘的准确性。这些ci之间的重叠表明准确性较低。第二，我们测试了稳定性 节点中心通过引导过程的一个子集。我们估计了中心稳定性(CS)系数(CS因子)作为参考指标。CS系数权重等于0.25表示可接受的稳定性。

我们使用R中的网络比较测试包对IA和NIA样本的IAT症状网络进行比较，以探索IA和NIA之间整体连通性可能存在的差异。比较基于排列过程，排列的数量为5000。

筛选后纳入63.50%(2845/4480)的参与者，其中IA组患者占12.47%(355/2845)(平均评分57.32,SD 7.70;平均年龄19.36岁，SD 1.07岁;89/355，男性占25.1%)和87.52%(2490/2845)的NIA组患者(平均评分34.75,SD 7.87;平均年龄18.59岁，SD 1.69岁;938/2490，男性37.67%)。本组患者年龄在14 ~ 24岁之间，其中18 ~ 19岁的患者居多(1203/2845,42.28%)。IA组和NIA组在年龄和IAT评分上有显著差异。在IAT成绩上也存在显著的性别差异。

第二次筛查后69.49%(1977/2845)参与者的互联网使用习惯描述性分析( 表2)显示，流动电话是最主要的上网方式。大多数参与者(882/1977,44.61%)在过去一个月平均每天上网3到6个小时。

在 图1，网络图显示了IA组IAT量表中20个问题之间的条件关联。网络图显示了IA组IAT量表中20个项目的相关性(圈)和可预测性估计(外圈)。图中的每个圆圈代表网络中指定节点的一项。边表示节点之间关联的强度。外围的圆圈代表可预测性的水平。每个节点缩写所代表的标题含义见 表1．最可预测的节点是IAT_06。节点IAT_06和IAT_08的连接最强。

IA症状网络的中心性度量表示每个节点的强度、亲密度、中间度和预期影响值。数值越高，表明该项目在网络中处于中心位置。节点IAT_06、IAT_08、IAT_17、IAT_12和IAT_15的强度中心性指数最高。说明其他节点到节点IAT_06、IAT_08、IAT_17、IAT_12、IAT_15的连接权值最大。节点IAT_15的亲密度最高，表明该认知症状对连接网络中其他不相关的症状具有影响。节点IAT_15和IAT_17的中间性中心性指数最高。这表明这两个高度中介的节点可以被视为连接其他症状的桥梁。节点IAT_06、IAT_08、IAT_17、IAT_12、IAT_15的预期影响最大，与其他节点的正相关最强;然而，并非所有其他中心性指数都是最高的。每个节点缩写所代表的标题含义见 表1．

图1如图所示为成瘾组IAT量表构建的症状网络。如 图2， IAT_06(学校作业受到影响;力量= 0.511;between =48)和IAT_08(工作绩效受损;力量= 0.531;间距=72)强度高。

此外，IAT_12(害怕离线无聊;力量= 0.500;between =50)， IAT_17(无法停止上网;力量= 0.526;between =112)和IAT_15(幻想上网;力量= 0.474;between =140)在IAT量表上也具有较高的强度。这5个节点是最强的5个点。值得注意的是，这些节点在 强度措施。在比较预期影响值时，这些节点也显著高于所有其他症状。

进一步，我们发现 亲密IAT_03(网络胜过亲密关系)和IAT_04(通过网络建立新的联系)的评分没有显示出来。 亲密定义为从特定节点到网络中所有其他节点的最短距离和的倒数。根据 图1，除这2个节点之间的连接外，与其他节点无连接;因此，两个节点的总和非常极端，没有在图中显示出来。

在 图2图中，蓝边表示IA组与NIA组的相关性增加，红边表示相关性降低。边缘在IA组和NIA组之间表现出显著差异。IA组IAT_18和IAT_09的相关性明显强于NIA组。IA组IAT_10和IAT_11的相关性明显弱于NIA组。每个节点缩写所代表的标题含义见 表1．

我们使用基于排列的方法来比较IA个体与非IA个体(NIA)之间显示显着差异的边缘;显著的正相关和负相关显示在 图2．与没有IA (NIA)的个体相比，IAT_09(对上网的防御性或神秘性)与IAT_18(隐藏上网时间)有较强的联系;平均差= 0.172; P= . 01)。

相比之下，IAT_11(渴望下一次使用互联网)的症状与IAT_10(上网逃避情绪;平均差=−0.174; P= .003)。同样，IAT_09(对上网的防御或保密)与IAT_15(幻想上网;平均差=−0.073; P= 03)。

在 图3，网络图显示了IAT中20个项目和DSM-5 IA诊断标准中9个项目的关联和可预测性估计。图中的每个圆圈表示网络中指定节点的一项。外圆代表可预测的水平。最可预测的节点是IAT_08。边表示节点之间关联的强度。节点IAT_06和IAT_08的连接最强。每个节点缩写所代表的标题含义见 表1．

估计网络包括29个节点，20个IAT条目，9个DSM-5 IA诊断标准条目。估计的网络产生406条边(29x[29-1]/2)，其中199条边的权值为非0。连接IAT_06(学校工作受影响)和IAT_08(工作表现受影响)的边的权重最强(0.479)。其他强烈的关联包括IAT_03(网络胜过亲密)和IAT_04(通过网络建立新的联系;0.414)，在IAT_11(渴望下一次上网)和IAT_12(害怕离线无聊;0.353)。

图3结果表明，IA社区DSM-5诊断标准中节点DSM_1与IAT社区中节点IAT_15 (fantasize about being on web)的权重最大(- 0.081)。节点DSM_2与节点IAT_20有很强的权重(在网络上让你感觉更好;−0.125)和节点IAT_12(担心离线时无聊;−0.066)。节点DSM_4的权重最强，节点IAT_17的权重最大(无法停止上网);−0.106)。节点DSM_7与节点IAT_09(对网络的防御或保密)的权重最强;−0.198)。节点DSM_9与节点IAT_18(隐藏web时间)的权重最强;−0.052)。

本研究通过对IA组和NIA组的IAT量表网络症状进行描述性分析，确定IA的核心症状。另外，通过网络比较来确定两种网络之间的差异。从中，我们发现了两个主要结果。首先，IA组的核心症状是IAT_06(学业困扰)、IAT_08(工作绩效困扰)、IAT_12(害怕离线后无聊)、IAT_17(无法停止上网)和IAT_15(幻想上网)。其次，IA组和NIA组在网络上存在差异。总之，这些结果部分地支持了我们的假设。结果支持假设1，部分支持假设2。在假设2中，渴望上网和失控是IA的核心症状，但结果表明，消极的情绪状态不是IA的核心症状。有趣的是，结果显示IAT_09(对上网的防御或保密)与IAT_18(隐藏上网时间)有很强的联系。这一结果也得到了与DSM-5症状的网络连接的支持; for example, anonymity was associated with community. Thus, the anonymity of the internet is a potential factor affecting the behavioral performance of IA. The DSM-5 diagnostic criteria for IA have high correlation with key symptoms and low correlation with outcome symptoms.

渴望、失控和无聊似乎在IA的发展中起着关键作用。我们的研究发现，IAT_06(学业困扰)、IAT_08(工作绩效困扰)、IAT_12(离线后害怕无聊)、IAT_17(无法停止上网)和IAT_15(幻想上网)是IA的核心症状，这与之前的研究结果一致，即“没有互联网的生活是无聊和空虚的”和“对未来在线活动的预期”两个项目是IA网络的核心。 13]。学习是大学生生活的重要组成部分。过度使用互联网对学习和生活都有影响。本研究表明，IAT_06(学业困扰)和IAT_08(工作绩效困扰)节点与其他症状密切相关，其他症状(如iat_17无法停止上网)导致IAT_06和IAT_08，影响日常学习和生活。因此，核心症状IAT_06和IAT_08受其他症状的影响最大。

有趣的是，其他节点IAT_12(害怕离线时感到无聊)、IAT_17(无法停止上网)和IAT_15(幻想上网)是激活其他IA症状的关键症状。先前的研究发现，IA患者自尊心低，孤独感高，社交技能差[ 30.]。互联网的匿名性使社交变得很容易。IA个体更渴望在网络世界中获得社会满足，因为他们的社会需求在现实生活中无法得到满足。这亦导致内行人士依赖互联网而忽视现实世界，对日常生活有一定影响[ 31]。离开网络后，他们对现实世界的疏离感让人们更加怀念网络。 32，他们无法控制自己的网络行为，他们被游戏支配和占据。因此，对于IA个体，更应该重视为他们构建和谐的社交圈，教会他们一定的社交技巧，增强他们的自尊心。此外，认知行为疗法可能是有益的，因为担心没有网络活动的生活会变得无聊和空虚，这是那些难以控制自己上网的人的核心信念。先前的研究已经报道了认知行为疗法在减少IA、减少网络使用、提高时间管理技能和情绪稳定性方面的功效[ 13]。

此外，连接分析表明，在IA个体和未IA个体(NIA)的比较中，IAT_09(对上网的防御性或保密性)与IAT_18(隐藏上网时间)具有较强的联系。这两个节点都涉及到与互联网访问和互联网匿名性相关的信息隐藏。研究表明，网络交流的特殊性(匿名性、缺乏社交不适的视觉指标、缺乏实际存在等)可以促进人们的自我表露[ 33， 34]。在毋须被人看见的网络环境中，人们可以在网上更改自己的身份，以另一个人的身份行事。[ 35]。因此，他们不想让周围的人知道，他们想隐藏有关网络的信息。网络的匿名性是影响IA个体行为表现的潜在因素。这可能与青少年希望避免纪律和耻辱有关。这也表明我们需要关注青少年掩盖他们IA时间的原因，特别是因为中国青少年普遍承受着学业压力，玩游戏被视为不良行为，过度使用游戏也可能使他们感到羞耻和害怕被指责。家长和老师应该更加关注青少年的平衡发展，并与他们建立良好的沟通关系，以便及早发现心理健康问题。此外，对于成瘾风险较高的青少年，诊断评估应侧重于他们周围的人提供的可靠信息，而不仅仅是个人的陈述，这样可以更准确、更早地识别出上网成瘾的人[ 36]。IA与DSM-5的症状网络显示，DSM-5的IA诊断标准与关键症状(IAT_12、IAT_15、IAT_17)相关，与结局症状(IAT_06、IAT_08)相关性较低。我们的研究结果发现，IA和DSM-5的症状网络是稳定的。DSM-5的每一个标准都与IAT的一个节点有连接。在IAT量表的基础上，对IA的核心症状进行分析发现，DSM-5的诊断标准与IAT_09(对上网的防御或保密)、IAT_12(对离线的无聊恐惧)、IAT_15(对上网的幻想)、IAT_17(无法停止上网)、IAT_18(隐藏上网时间)有较强的联系，而与IAT_06(学业受影响)、IAT_08(工作受影响)的联系较弱。IAT_06和IAT_08主要强调IA对日常生活和学习的影响，而DSM-5中IA的诊断标准可能无法判断IA对日常学习和生活的直接影响。此外，隐瞒成瘾行为是与一般成瘾相关的社会耻辱的一种常见表现[ 37]，在青少年中，这种担忧会加重其他神经精神症状[ 38]。这些发现可能为DSM-5 IA的诊断标准提供实用依据。

这项研究有几个局限性。首先，IA组的样本量明显小于NIA组。其次，本研究没有探讨其他有趣的变量，如情绪调节能力、社会功能和人格特征的影响。第三，由于男女学生可能有不同的网络行为，未来的研究可以将性别作为一个自变量来比较IA症状网络中性别之间的差异。还应考虑几个强度点。据我们所知，到目前为止，很少有研究使用网络分析模型和IAT量表来分析IA。传统的游戏成瘾干预通常缺乏目标。本研究表明，游戏成瘾存在一些与其他症状密切相关的核心症状。对这些核心症状进行干预可能会获得更好的疗效。先前的研究已经表明了这一点，并且对缓解抑郁症的排序治疗方案的网络分析已经揭示了 悲伤的情绪和 快感缺乏在非精神病性抑郁症中[ 39]。然而，需要进一步的研究来证实这一发现。此外，我们分析了IA样本和NIA样本之间的网络差异，使研究结论更可靠，为制定新的干预措施提供依据。

综上所述，IA和NIA的网络是不同的。对日常生活和学习的影响是IA的结局症状。渴望、失去控制和无聊是引发内感障碍其他症状的关键症状。隐瞒网络信息是IA的一个关键症状。互联网的匿名性是影响IA的一个潜在因素。IA的DSM-5诊断标准与关键症状相关，与结局症状相关性较低。确定IA的核心症状以及IAT与DSM-5诊断标准之间的联系有助于提高IA治疗的针对性和有效性。