1 研究目的
总体来看，这些研究表明，在摩洛哥情境下，睡眠问题与数字行为问题之间的关联已有较充分的证据支持。然而，在控制以个体为中心的使用暴露模式（如潜在类别）之后，特定睡眠障碍对强迫性互联网使用（CIU）发展的预测作用，仍有待进一步探讨
考察了睡眠时长、白天打盹、因上网而减少睡眠，以及强迫性互联网使用量表（CIUS）得分之间的关系
为了区分睡眠和暴露（于屏幕）因素的影响，对基于实证方法划分的每周屏幕使用时间和媒体类型参与模式（潜在类别），以及年龄和性别进行了控制，同时还检验了性别的交互效应
2 研究假设
H1：极差的睡眠质量与CIUS得分正相关
H2：为了保持在线而刻意减少睡眠与CIUS得分正相关
H3：每晚睡眠超过6小时与CIUS得分负相关
H4（探索性假设）：在纳入协变量后，课后打盹与CIUS得分之间不表现出稳定关联
H5：在控制潜在暴露特征（时间强度与平台广度）、年龄和性别后，H1–H4所提出的关联关系仍然成立
3 数据分析
3.1 变量
潜在类别分析（latent class analysis，LCA）
基于被试一周内上报的各天上网时长和多种内容类别（社交网络、游戏、流媒体、即时通讯等）的使用情况
Time_Class：每周使用强度模式，Low unstable；High stable
Class_media：平台参与广度，Intensive poly-users；Selective/low
睡眠变量（0/1）
为上网而主动减少睡眠
主观睡眠质量差
补偿性小睡
是否达到最低睡眠时长标准
其他变量
性别
年龄
3.2 测量
每周媒体使用时间（7项）
通过记录一周中每天（周一至周日）的日常使用情况，捕捉总体屏幕使用时间的时间变化特征。
平台/类型参与（11项）
通过对Facebook、YouTube、Instagram、TikTok、WhatsApp、Snapchat、Telegram、Pinterest，以及音乐、电影/剧集和游戏的使用情况（以二分类或有序变量表示），衡量个体在不同平台和媒体类型上的参与广度
4 结果
4.1 LCA
拟合优度
信息准则：AIC、BIC
偏差统计量：G²
分类质量
熵：Entropy，大于0.8
后验概率：每类内部平均概率，大于0.7
类别结构
类别比例：大于5%-10%
可解释性
4.2 回归
同时使用了频率学派和贝叶斯学派进行交叉验证
5 结果
控制暴露特征后，为上网而主动减少睡眠和主观睡眠质量差仍然和强迫性互联网使用相关，说明并不是使用时长等影响，而是睡眠影响
6 不足
自陈量表
横断无应果
LCA后也不能完全排除使用时长影响
抑郁等因素没考虑