社交媒体上的烟草信息互动与年轻人抑郁症状之间的双向关联：一项纵向交叉滞后分析 杨清华、 C. 内森·马蒂、 雅各布·E·托马斯、 亚历山德拉·卢卡斯

《Behavioral Sciences》：Bidirectional Associations Between Engagement with Tobacco Information on Social Media and Young Adults’ Depressive Symptoms: A Longitudinal Cross-Lagged Analysis Qinghua Yang, C. Nathan Marti, Jacob E. Thomas and Alexandra Loukas

　　**摘要**
本研究探讨了年轻人自我报告在社交媒体上接触和参与烟草/尼古丁信息与抑郁症状之间的交叉滞后关联。参与者共计4267名，年龄在20至32岁之间（基线时平均年龄23.28岁，标准差2.30岁，其中64.8%为女性），他们来自“德克萨斯州各学院市场营销与促销”（Marketing and Promotions across Colleges in Texas）研究项目。数据收集时间为2017年春季（基线）和2018年春季（随访）。研究结果表明，尽管自我报告的烟草信息接触和参与情况被划分为二元变量，但并未显著预测后续出现的抑郁症状。然而，具有临床显著抑郁症状的年轻人比同龄人更有可能在一年后接触（χ2 = 0.10，p < 0.001）和参与（χ2 = 0.08，p < 0.01；χ2 = 0.08，p < 0.05）社交媒体上的烟草信息。这些发现表明，有抑郁症状的年轻人可能更容易受到社交媒体上烟草宣传的影响，进而可能使用烟草和尼古丁产品。因此，需要对社交媒体上的烟草宣传信息进行监管，尤其是针对那些抑郁症状较为严重的年轻人，因为他们使用烟草和电子尼古丁输送系统（ENDS）的风险更高。

**1. 引言**
抑郁症是年轻人中最普遍的心理健康问题之一（Thapar等人，2022年）。在2024年的一项研究中，57%的年轻大学生报告有中度或重度抑郁症状，而其中只有61%的人接受了心理健康治疗或咨询（密歇根大学，2024年）；其他人则可能寻求社交媒体上的建议或自我治疗。作为最频繁使用社交媒体的人群（Auxier & Anderson，2021年），年轻人尤其容易受到说服性信息和营销信息的影响，因为他们正处于认知发展阶段（Romer等人，2017年）。元分析证据表明，抑郁症状的严重程度与社交媒体使用之间存在正相关（Cunningham等人，2021年；C. Huang，2017年；Yoon等人，2019年），这意味着有抑郁症状的年轻人比同龄人更可能使用社交媒体并花费更多时间在上面（C. Huang，2017年；Yoon等人，2019年）。此外，一项纵向调查表明，过度使用社交媒体可以预测随后的抑郁症状（Brailovskaia & Margraf，2017年）。然而，现有研究大多仅关注整体社交媒体使用情况，缺乏细节分析。需要进一步的研究来明确抑郁症状与社交媒体上特定内容（如与烟草和尼古丁产品相关的信息）之间的关联。过去几十年里，烟草行业一直利用社交媒体推广其产品，但很少有研究探讨抑郁症状与接触或参与社交媒体上烟草相关信息之间的关联。这里的“接触”指的是被动浏览烟草相关信息，而“参与”则指用户对这些内容的主动互动，如点赞、分享和发布相关内容（Yang等人，2024年）。在本研究中，我们沿用现有的健康信息接触概念，将烟草/ENDS信息接触定义为参与者能够关注并在最小提示下回忆起来的信息（Kelly等人，2009年；Niederdeppe等人，2007年）。目前尚无研究纵向探讨社交媒体上烟草信息接触和参与与年轻人抑郁症状之间的关联方向。这些研究空白限制了我们对这种双向关联的理解，也制约了针对抑郁年轻人的烟草监管和干预措施的实施。本研究旨在揭示一年内年轻人社交媒体上烟草信息接触和参与与抑郁症状之间的双向关联，不仅为社交媒体影响研究做出贡献，也对烟草监管科学提供重要启示。

**1.1. 年轻人的社交媒体使用与抑郁症状**
越来越多的研究表明，总体而言，社交媒体使用与抑郁症状之间存在正相关（Feinstein等人，2013年；Lin等人，2016年；Primack等人，2017年；Yang等人，2022年）。社交媒体使用可能与抑郁症状相关的因素包括增加与他人进行负面社会比较的风险（Feinstein等人，2013年）或增加遭受网络欺凌的风险（Lin等人，2016年）。多项元分析综合了这些研究结果，大多数发现社交媒体使用与抑郁症状之间存在虽小但显著的关联。例如，C. Huang（2017年）指出，社交媒体使用时间与整体心理福祉呈负相关；Yoon等人（2019年）发现抑郁症状与社交媒体使用时间及查看频率呈正相关，这种关联在不同年龄组和性别中均存在。Cunningham等人（2021年）进一步指出，抑郁症状与社交媒体使用时间、使用强度及问题性社交媒体使用之间存在正相关，并强调需要进行前瞻性纵向研究以确定两者之间的因果关系和演变过程。尽管学术界关注社交媒体使用与抑郁症状之间的关联，但现有研究大多为横断面研究，且未明确烟草信息接触和参与与抑郁症状之间的方向关系（Cunningham等人，2021年）。接触指的是个体在社交媒体上被动获取烟草相关信息，而参与则指用户对这些内容的主动互动。先前的研究表明，被动使用社交媒体（可能引发负面社会比较和自尊心下降）与用户抑郁症状的关联更为一致（Thorisdottir等人，2019年）。鉴于此，社交媒体上的烟草信息接触和参与也可能以不同方式与抑郁症状相关。为填补这一研究空白，我们研究了一年内抑郁症状与年轻人社交媒体上烟草信息接触和参与之间的双向关联，探讨抑郁症状是否会导致一年后烟草信息接触和参与的增加，或反之亦然。

**1.2. 年轻人在社交媒体上接触和参与烟草信息的情况**
近年来，烟草产品的推广方式已从传统媒体转向社交媒体（Ali等人，2020年）。作为最频繁使用社交媒体的人群（Auxier & Anderson，2021年），年轻人不仅容易受到同伴使用烟草的影响（Schaefer等人，2013年），还容易受到具有说服力的广告信息的影响，因为他们可能无法识别社交媒体上精心制作的ENDS产品广告的实质（Biener & Albers，2004年）。近年来，年轻人使用ENDS的数量大幅增加，2021年已超过老年人（Erhabor等人，2023年；Patrick等人，2022年）。横断面和纵向证据表明，年轻人中ENDS使用的增加与其在社交媒体上接触和参与烟草相关信息有关（Clendennen等人，2020年；Hébert等人，2017年；Yang等人，2023年；Yang等人，2024年）。尽管关于社交媒体使用与抑郁症状之间关联的机制尚不明确，但一项横断面研究（Azagba等人，2024年）指出，抑郁症状的严重程度可能介导或解释了社交媒体使用与ENDS使用之间的关联。该研究还提示，社交媒体使用可能导致后续抑郁症状的出现。然而，由于缺乏纵向研究，目前无法确定两者之间的时间顺序或关联方向。因此，本研究将通过前瞻性数据来验证社交媒体上烟草相关接触和参与是否会导致后续抑郁症状的增加。

**1.3. 年轻人的抑郁症状与社交媒体接触和参与**
也可能存在另一种情况，即抑郁症状会导致随后在社交媒体上增加对烟草信息的接触和参与。社交媒体是年轻人寻找烟草信息和分享使用体验的重要平台（Rutherford等人，2023年；Yang等人，2018年），尤其是对于有抑郁症状的年轻人而言。在Twitter上，用户生成的信息中，应对压力和抑郁是常见主题（Kim等人，2023年）。社交媒体上的用户生成信息往往美化了年轻人的物质使用行为（Boyle等人，2017年），将吸电子烟描述为一种有趣、有吸引力且有利于社交成功的活动（Zhan等人，2017年）。此外，行业制作的ENDS宣传信息也将吸电子烟描绘为一种积极向上的行为（Alpert等人，2019年）。因此，有抑郁症状的年轻人可能更容易被这些信息吸引，从而增加对相关内容的接触和参与。基于此，我们提出了第二个假设：抑郁症状可能会导致一年后他们在社交媒体上增加对烟草信息的接触和参与。

**2. 方法**
本研究是对“德克萨斯州各学院市场营销与促销”（M-PACT）研究的二次数据分析，该研究获得了学校机构审查委员会的批准。M-PACT项目是一项多波段监测研究，跟踪了来自奥斯汀、达拉斯/沃斯堡、休斯顿和圣安东尼奥周边五个县12所两年制和12所四年制学院的5482名学生的行为，他们在2014至2019年间参与了网络调查。研究分析了24所德克萨斯州校园内的营销信息接触、尼古丁产品使用轨迹及转变，以及在社交媒体平台上的尼古丁使用接触和参与情况。为了符合条件，参与者需要满足以下两点：（1）年龄在18至29岁之间；（2）是全日制或兼职的本科生，正在攻读学士学位或证书，并就读于四年制大学或两年制学院的职业/技术课程。详细的研究程序可以在其他文献中找到（Clendennen等人，2020年；Yang等人，2023年）。本研究的数据来自2017年春季（以下简称时间1 [T1] 或基线）和2018年春季（一年后的随访；时间2 [T2]）的数据收集阶段。选择这些数据是因为它们捕捉到了2017年底电子烟弹销量迅速增长的现象（J. Huang等人，2019年）。在最初的M-PACT群体中，有80%的参与者参与了基线调查（n = 4384）。共有4267名完成这两个阶段的参与者被纳入分析，表明从基线到随访的一年期间保留率很高（97.3%）。较低的流失率是本研究的主要方法论优势。

2.2. 测量方法
关于社交媒体上烟草信息的自我报告暴露情况，采用了之前的研究方法（Clendennen等人，2020年；Yang等人，2023年），通过询问参与者在过去30天内他们在七个社交媒体平台（即Facebook、Instagram、Twitter、Snapchat、YouTube、Pinterest和Reddit）上看到任何烟草和尼古丁产品的广告的频率来进行测量。在T1和T2阶段，使用5点李克特量表进行评估（1=从未，5=非常频繁；均值1.06，标准差0.30；均值1.07，标准差0.33）。这些描述性统计数据显示分布高度偏斜，均值接近量表的最小值（1=“从未”），标准差较小，反映了数据分布的集中度低。根据MacCallum等人（2002年）的观点，当数据分布高度偏斜时，将其二分处理是合理且必要的。因此，这些变量被重新编码为二分变量，0=从未接触过，1=曾经接触过。由于在特定社交媒体平台上接触过烟草和尼古丁广告的参与者比例较低（T1阶段在Pinterest上为4.7%，在Facebook上为14.8%），我们将这些变量合并为“在任何社交媒体平台上接触过烟草和尼古丁广告”的总体指标（0=从未接触过，1=曾经接触过）。

关于社交媒体上烟草信息的自我报告参与度，通过六个项目在T1和T2阶段进行测量。三个项目询问了参与者对支持烟草的信息的自我参与情况（例如，发布关于烟草或电子烟使用积极方面的观点或评论），另外三个项目询问了他们对反烟草信息的自我参与情况（例如，发布关于烟草或电子烟使用消极方面的观点或评论）。参与者被要求评估在过去30天内他们在社交媒体上发布支持或反对烟草产品的链接、发表相关观点或评论，以及鼓励或阻止他人使用烟草和尼古丁产品的频率（Clendennen等人，2020年；Hébert等人，2017年）。这些项目使用5点李克特量表进行编码（1=从未，5=非常频繁）。通过对支持烟草和反烟草参与度的三个项目进行求和，分别得到了两个综合得分，得分越高表示参与度越高。鉴于支持烟草和反烟草参与度的频率都很低（见表1），这些变量被二分处理（0=从未参与，1=曾经参与）。

表1. 跨时滞模型中的样本人口统计特征（N = 4267）。

2.3. 分析
使用Mplus 8软件中的路径模型进行了跨时滞路径分析，以研究社交媒体上烟草信息的自我报告暴露和参与度与抑郁症状之间的双向关联。虽然非显著的卡方检验表明模型拟合良好，但还使用其他指标来评估模型拟合度，因为当样本量超过400时，卡方值几乎总是具有统计显著性（Bentler & Bonett，1980年）。具体来说，标准化残差均方根（SRMR）小于0.08和近似残差均方根（RMSEA）小于0.05表明模型拟合合理（Kline，2018年）。比较拟合指数（CFI）和Tucker–Lewis指数（TLI）大于0.90也表明模型拟合良好（Kline，2018年）。该模型包括四条从T1的所有变量到T2相同变量的稳定路径，以及六条从T1的自我报告暴露和支持/反对参与度到T2抑郁症状的跨时滞路径，反之亦然。模型还调整了T1的人口统计变量（即年龄、性别、种族/民族）作为潜在的混杂因素。

3. 结果
3.1. 参与者特征和物质使用
T1阶段参与者的平均年龄为23.28岁（最小值20.21岁，最大值32.33岁，标准差2.30岁）。大多数参与者为女性（63.8%），自报为非西班牙裔白人（35.7%）或西班牙裔（30.8%）。T2阶段自报有临床显著抑郁症状的比例低于T1阶段（29.4%）。同样，T2阶段有较少的参与者报告在社交媒体上接触到烟草信息，而更多参与者参与了反烟草信息的传播，尤其是在T1和T2阶段（详见表1）。比值比显示T1和T2阶段各变量之间的差异幅度较小。

3.2. 跨时滞分析
根据上述模型拟合指标，模型对数据的拟合效果良好（[26] = 87.24，p < 0.001；CFI = 0.96，TLI = 0.90，RMSEA = 0.023 [90%置信区间0.018–0.029]，SRMR = 0.055）。从T1的所有变量到T2相同变量的稳定路径均为显著且呈正向关系。跨时滞分析的结果表明，社交媒体上对烟草相关信息的自我报告暴露和参与度并不能预测随后的抑郁症状，这支持了H1a和H1b假设的失败。然而，抑郁症状却预示着一年后自我报告暴露于烟草相关信息和参与其相关活动的可能性增加（分别为= 0.10，SE = 0.02，p < 0.001；OR = 1.38；以及参与支持烟草相关信息的概率= 0.08，SE = 0.02，p < 0.01；OR = 1.29；参与反烟草相关信息的概率= 0.08，SE = 0.03，p < 0.05；OR = 1.31），尽管效应较小但具有显著性，这支持了H2a和H2b假设（见图1）。

图1. 社交媒体暴露/参与度与抑郁症状之间的跨时滞模型。注：* p < 0.05，** p < 0.01，*** p < 0.001。为了视觉清晰，图中未显示所有统计显著且呈正向关系的稳定路径以及所有协变量。非显著路径用虚线表示。

4. 讨论
我们的跨时滞分析表明，有临床显著抑郁症状的年轻人比同龄人更有可能在一年后接触到并参与社交媒体上的烟草相关信息，这与H2假设一致。然而，我们没有发现相反方向的影响（H1假设）的证据；也就是说，我们没有观察到年轻人自我报告的社交媒体接触和参与烟草相关信息与随后抑郁症状之间的纵向关联，尽管元分析证据显示社交媒体使用与抑郁症状之间存在小但显著的关联（Cunningham等人，2021年；C. Huang，2017年；Yoon等人，2019年）。这一发现也与用户生成的描述烟草相关信息的帖子相矛盾，这些帖子将社交媒体视为缓解抑郁症状的一种机制（Kim等人，2023年）。一种可能的解释是，这种无效应可能是由于社交媒体上烟草相关信息的多样性造成的。例如，那些具有高感官价值的帖子可能会吸引接收者，尤其是寻求刺激的人（Noar等人，2010年），从而产生积极情绪并暂时缓解抑郁症状；而其他包含负面情绪诉求的帖子（如内疚、恐惧等）可能会增加抑郁风险（Kohn等人，1982年）。或者，虽然一般社交媒体使用可能由于社会比较效应（Feinstein等人，2013年）和网络欺凌（Lin等人，2016年）而导致抑郁，但这些机制在烟草相关信息中并不明显。然而，由于当前研究没有直接分析这些机制，因此需要更多的内容分析和纵向研究来确定年轻人体验和参与烟草相关信息是否以及如何影响其后续抑郁症状的额外因素和机制。

当前的研究结果建立了先前抑郁症状与后来接触和参与社交媒体上烟草相关信息之间的联系。现有证据表明，抑郁症状较重的年轻人更有可能使用烟草产品，包括电子烟，并认为这些产品可以缓解他们的症状（Thomas等人，2024年；Truth Initiative，2021年）。因此，抑郁的年轻人可能会用烟草和电子烟产品自我治疗，期望这些产品可以帮助缓解压力或管理负面情绪。这种对烟草和电子烟产品的需求可能会促使他们关注并参与社交媒体上的烟草相关信息，而支持烟草产品的营销信息可能会进一步鼓励他们使用这些产品，形成一种恶性循环。另一方面，用烟草和电子烟产品自我治疗的年轻人也可能考虑停止使用这些产品，从而加入戒烟相关的在线支持小组，这增加了他们参与反烟草信息的可能性。考虑到自我报告的社交媒体接触和参与烟草相关信息与年轻人后续卷烟行为有关（Yang等人，2023年），抑郁症状较重的人可能因为这些有说服力的营销信息而面临更高的卷烟风险。因此，社交媒体上支持烟草的广告和参与度可能是连接抑郁和增加卷烟行为的关键机制。鉴于烟草相关信息可能成为抑郁年轻人的重要应对机制，建议在提供烟草相关内容时附上提示，例如警告使用烟草产品的风险并提供寻求帮助的电话热线。基于算法检测具有抑郁症状的社交媒体用户可能为保护他们免受烟草产品宣传的影响提供机会。然而，这种方法也可能引入伦理和隐私问题，例如个人信息被滥用、透明度有限，以及可能将非抑郁个体错误分类为抑郁个体，从而导致意外后果（Jobin等人，2019年；Mikal等人，2016年）。因此，针对社交媒体上抑郁症状人群的烟草监管工作应遵循五个伦理原则，即透明度、公平性、非伤害、责任感和隐私（Jobin等人，2019年）。

3. 局限性和未来研究
我们的发现应谨慎解读。首先，尽管样本在人口统计上具有多样性，但样本仅限于德克萨斯州的大学生，因此不能代表全国情况，从而限制了研究结果的普遍性。其次，我们所有变量的测量都是基于自我报告的，虽然这是一种常用的方法来评估年轻人对社交媒体上烟草相关信息的参与度和抑郁症状（Clendennen等人，2020年；Hébert等人，2017年；Yang等人，2023年），但这种方法容易受到回忆偏见和期望偏见的影响。例如，我们的参与者报告的参与反烟草/电子烟信息的频率高于支持烟草/电子烟信息的频率，这与内容分析证据相矛盾，后者表明支持电子烟的帖子在社交媒体上占很大比例（例如，Laestadius等人，2019a，2019b；Yang等人，2018年）。这些差异可能源于参与者难以回忆起他们实际接触烟草/烟草相关产品的经历，或者他们担心通过自我报告参与电子香烟 promotional 内容而受到负面评价。因此，需要使用具有全国代表性的样本进行重复实验，并结合主观和客观测量方法（如生态瞬时评估和自动化文本分析）来更全面地评估年轻人对烟草相关社交媒体的接触情况。未来的研究还应整合客观的数字追踪数据（如社交媒体平台日志或被动感知的烟草相关内容暴露情况）与自我报告的心理健康指标，以三角验证研究结果并减少潜在的方法学偏差。第三，当前模型没有调整基线时的烟草/烟草相关产品使用行为。尽管这是有意为之，因为烟草/烟草相关产品的使用本身可能受到所研究社交媒体暴露和参与过程的影响，但未来的研究应探讨烟草/烟草相关产品的使用是否会对这些关联起到调节或中介作用。最后，由于暴露和参与的发生率较低，这些变量被作为二分变量进行分析，虽然考虑到分布严重偏斜的情况（MacCallum 等，2002），但这可能会降低变异性、减弱观察到的效应大小，并掩盖潜在的剂量-反应关系。未来的研究应重新审视我们在年轻人中提出的双向关联，特别是那些在社交媒体上报告较高程度接触和参与烟草信息的年轻人（例如，目前的电子香烟产品使用者），并将暴露和参与作为连续变量进行操作化处理。

尽管存在局限性，当前研究是首批揭示烟草相关社交媒体使用与抑郁症状之间双向关系的研究之一。考虑到抑郁、社交媒体使用以及吸烟和吸电子烟之间的相互作用可能预示着一个新兴的行为健康问题，我们的发现阐明了这种相互作用，并通过确定抑郁与社交媒体上烟草信息暴露和参与之间的纵向关联，为烟草监管科学和公共卫生提供了指导，特别是针对年轻人。然而，应该指出，尽管这些纵向效应在统计上显著，但其效应大小较小，应在更广泛的行为健康问题因素框架内进行解释。该研究强调了有抑郁症状的年轻人的脆弱性，他们更有可能接触到并参与烟草相关社交媒体信息。这种暴露和参与可能会进一步增加他们吸电子烟的可能性（Yang 等，2023），因为年轻人可能无法有效识别精心设计的烟草和电子香烟产品的营销意图（Biener & Albers，2004）。因此，我们的研究呼吁对社交媒体上的烟草营销信息进行监管，特别是针对有较高抑郁症状的年轻人这一脆弱群体。考虑到利用机器学习方法基于用户在社交媒体上的语言和活动数据高精度检测抑郁症状的可行性（Eichstaedt 等，2018），社交媒体平台可以过滤掉烟草和电子香烟的营销内容，并向表现出临床显著抑郁症状的用户推送基于算法的反烟草信息。