美国心理学会论文：抖音算法驱动多巴胺损害健康认知回路

美国心理学会论文《Feeds, Feelings, and Focus: A Systematic Review and Meta-Analysis Examining the Cognitive and Mental Health Correlates of Short-Form Video Use》揭示了SFV即短视频如何影响我们的大脑。该论文认为以TikTok抖音为代表的短视频损害健康认知回路。

要点如下：

• 社交媒体平台高度互动且算法驱动的特性被认为会刺激大脑的多巴胺奖赏系统，从而鼓励过度使用，并通过即时满足和不可预测的内容奖励强化用户习惯性使用。
• SFV平台具有高度刺激性和沉浸感，能够激活多巴胺奖赏系统。
• 社交媒体使用与认知能力下降（注意力、抑制控制、语言、记忆和工作记忆）以及除身体意象和自尊以外的大多数心理健康指标相关。
• SFV（短视频）在日常生活中的普遍存在及其对健康、行为和幸福感的潜在影响。
• SFV的使用与睡眠质量呈负相关，特别是，睡前几小时使用SFV与睡眠质量紊乱有关。
• SFV使用量的增加与心理健康状况下降相关，其中压力和焦虑的相关性最强。
• 可用过SFV成瘾量表评估问题，包括失控、戒断、沉迷和干扰日常职责等症状，而使用时长是重要因素之一。

以下为论文全文：

作者：Lan Nguyen,Jared Walters,Siddharth Paul,Shay Monreal Ijurco,Georgia E. Rainey,Nupur Parekh,Gabriel Blair,Miranda Darrah

概要

短视频（SFV）的复兴，尤其是TikTok和抖音的流行，改变了社交媒体平台，而Instagram Reels和YouTube Shorts等功能则进一步促进了短视频的广泛应用。尽管短视频最初面向娱乐，但如今它们越来越多地被用于教育、政治宣传、广告和消费领域。然而，其以无限滚动界面为特征的设计，引发了人们对成瘾和负面健康影响的担忧。鉴于近期关于短视频应用的研究激增，亟需进行全面的Meta分析，以阐明短视频的使用与不同健康指标之间的关系。本系统综述整理分析了来自71项研究的98,299名参与者的数据。研究发现，短视频使用量的增加与认知能力的下降相关（中等平均效应量，r = −.34），其中注意力（r = −.38）和抑制控制能力（r = −.41）的相关性最强。同样，SFV使用量的增加与心理健康状况下降相关（平均效应量较弱，r = −.21），其中压力（r = −.34）和焦虑（r = −.33）的相关性最强。这些发现对青少年和成人样本以及不同的SFV平台均具有一致性。研究注意力和抑制控制以外的认知领域（例如记忆力、推理能力）的相对较少，这凸显了未来研究的关键方向。有趣的是，SFV使用与身体形象或自尊无关，这可能反映了这些平台上内容和创作者的多样性。因此，需要进一步研究以阐明不同类型的内容接触如何影响这些关联。总而言之，鉴于SFV在日常生活中的普遍存在及其对健康、行为和幸福感的潜在影响，这些发现强调了理解SFV使用更广泛的健康影响的重要性。通过综合现有证据，本研究为未来探索研究不足的健康领域（例如认知健康、身体健康）提供了重要的基础，并为指导公众讨论和制定以研究为依据的方法以促进更平衡地参与SFV提供了见解。

公众意义声明

TikTok、Instagram Reels 和 YouTube Shorts 等短视频平台如今已成为许多人日常生活的重要组成部分。我们对71项研究的Meta分析表明，青少年和成年人使用这些平台的频率越高，其认知和心理健康状况就越差。在某些健康领域（例如身体形象和自尊），这种关联可能取决于用户接触的内容类型，这凸显了开展进一步研究以指导公共卫生策略和平台设计的必要性。

关键词：短视频、社交媒体、TikTok、心理健康、认知

社交媒体短视频（SFV）的兴起彻底改变了数字娱乐和通信方式，使其成为信息和互动的主要来源。SFV 被定义为时长几秒到几分钟的视频内容（ Y. Wu et al., 2021 ; Y. Yang et al., 2024）。SFV平台的吸引力在于其用户友好的设计、无限滚动的界面以及算法驱动的推荐系统，这些系统能够提供多样化且沉浸式的内容，并根据个人偏好和互动模式进行定制（Montag et al., 2021 ; Y. Yang et al., 2024）。短视频（SFV）的易用性和病毒式传播——最早由Vine在2012年推广开来（Vandersmissen等人，2014），并在2016年由TikTok/抖音（其中国版本）重新焕发活力——推动了短视频内容在各大社交媒体平台的广泛应用，包括Facebook和Instagram（Reels）以及YouTube（Shorts）。短视频最初是一种娱乐媒介，用于展示潮流、挑战和创意内容，但如今已扩展到消费领域（Guarda等人，2021）、旅游领域（Roostika和Putri Yumna，2023）、教育领域（Fiallos等人，2021）以及政治宣传领域（Battista，2023；Grantham，2024）。短视频在各个领域的拓展为互动和沟通创造了新的机遇，但其广泛使用也引发了人们对潜在健康影响的担忧。

过量摄入无糖蔬菜通常与认知和心理健康状况下降有关（例如，Galanis、Katsiroumpa、Katsiroumpa 等，2024），但相关证据并不一致，一些研究报告未发现相关性（例如，Dong & Xie，2024；López-Gil 等，2024；Masciantonio 等，2021；X. Zhang 等，2019），甚至发现存在正相关性（Nasidi 等，2024；Pop 等，2022）。这些不一致之处，以及无糖蔬菜在青少年和成年人日常生活中日益普及（ Montag 等，2021），凸显了探索无糖蔬菜的使用如何与不同人群的各种健康维度产生差异性关联的必要性。因此，本次系统综述分析旨在对现有关于SFV使用及其与认知和心理健康相关性的文献进行全面综合，以识别其中的模式和不一致之处，并检验可能解释这一新兴研究领域研究结果差异的潜在调节因素。这些发现有助于更深入地理解SFV使用与个体生命周期内健康之间的关联，并指导该领域的未来研究。

SFV与认知

多项研究强调了大量食用无糖水果蔬菜（SFV）与认知能力（尤其是注意力）之间的负相关关系。研究表明，在年轻人和老年人群中，较高的SFV摄入量都与注意力下降有关（Chao et al., 2023 ; Q. Huang et al., 2021）。这种关联也在神经层面得到证实，与偶尔食用SFV的人相比，大量食用SFV的人在执行注意力任务时表现出较低的脑电生理（ P300）活动（Walla & Zheng, 2024）。

我们可以借助格罗夫斯和汤普森（1970）提出的习惯化和敏感化双重理论来理解短视频消费及其对注意力处理的潜在影响。根据这一理论框架，反复接触高刺激性、快节奏的内容可能会导致习惯化，使用户对阅读、解决问题或深度学习等速度较慢、需要更多努力的认知任务变得不敏感。这一过程可能会逐渐降低认知耐力，削弱大脑持续关注单一任务的能力。与此同时，短视频平台通过提供即时、算法推送的奖励来促进敏感化，这可能会强化冲动型参与模式，并鼓励用户习惯性地追求即时满足（Soror等人，2022）。滑动切换新内容的功能可能会促使用户快速脱离那些无法提供即时新奇或刺激的刺激。根据这一理论框架，频繁使用 SFV 可能会降低注意力控制能力，并降低持续认知参与的能力，因为认知加工越来越倾向于短暂、高回报的互动，而不是长时间的、目标导向的任务。

这种习惯化和敏感化效应被认为会扩展到其他需要注意力处理的认知功能和任务，包括抑制控制（Y. Chen et al., 2023 ; Fu et al., 2024）、记忆（Sha & Dong, 2021 ; Xia et al., 2023）和推理（Q. Jiang & Ma, 2024）。然而，一些研究报告了关于SFV使用与认知表现之间关系的混合结果（例如，Lin et al., 2024 ; Xu et al., 2023）。例如，Lin et al.（2024）在一项横断面研究中发现，虽然较高的SFV摄入量与较差的持续注意力相关，但他们的长期实验表明，SFV使用后并未出现显著变化，这导致了关于其认知相关性的混合结果。此外，目前尚不清楚SFV的使用是否与其他认知过程（例如，信息流、处理速度、视觉空间能力）存在一致的关联。因此，有必要进行全面的Meta分析，以更清晰地了解SFV的使用可能与哪些认知过程相关，并确定需要进一步研究的领域。

SFV 和心理健康

社交媒体的使用也与负面的心理健康指标相关，尤其是抑郁、焦虑、压力和孤独感等症状的加剧（例如，Galanis、Katsiroumpa、Katsiroumpa 等，2024）。社交媒体平台高度互动且算法驱动的特性被认为会刺激大脑的多巴胺奖赏系统，从而鼓励过度使用，并通过即时满足和不可预测的内容奖励强化用户习惯性使用（Y. Chen 等，2023；Goldon，2024）。持续滑动屏幕并接收新的、具有情感刺激性的内容被认为会触发多巴胺释放，形成一个强化回路，从而导致习惯性使用模式的形成以及对数字互动的情感依赖性增强。这种习惯性使用可能与压力和焦虑加剧有关，因为一些用户报告称，他们在现实生活中难以摆脱网络环境并调节自己的情绪（Peng 等，2022）。此外，沉浸式和无限滚动的虚拟世界（SFV）特性已被证实会加剧社会孤立，因为它用被动的数字互动取代了现实世界的互动，从而加剧了孤独感（Goldon，2024 ）。这种对在线互动的依赖也与较低的生活满意度相关（Chung，2022；Zuo等，2024）。SFV使用与心理健康之间的关联已在青少年、青年和中年人群中得到证实（Gentzler等，2023；Q. Huang等，2021；D. Zhang、Yang和Guan，2024），尽管也有一些研究报告称SFV使用与心理健康指标之间没有关联（例如，X. Zhang等，2019）。因此，需要对现有研究进行进一步的定量Meta分析，以更好地理解这些关联的性质和一致性。

除了与情绪相关的心理健康因素外，研究还报告了SFV（可能是指某种电子产品或设备）的使用与睡眠质量呈负相关。特别是，睡前几小时使用SFV与睡眠质量紊乱有关，这是由于电子设备发出的蓝光可能会抑制褪黑激素和血清素的产生——这两种激素是调节昼夜节律的关键激素（Gomes & Preto，2015）。人体睡眠——觉醒周期的紊乱与睡眠质量下降有关，而睡眠质量下降也可能与情绪变化有关（Y. Li等，2025；Newton & Poluan，2022）。然而，一些研究报告称SFV的使用与睡眠质量之间没有关联（例如，Y. Ye等，2024 ）。这种不一致性凸显了进行分析的必要性，以便综合现有研究，考虑方法上的差异，并确定SFV的使用与睡眠质量之间关系的总体强度。

关于自尊和身体形象，研究结果也存在分歧。一些研究表明，SFV的使用与自尊/身体形象呈正相关（Asad et al., 2022 ; Hendrikse & Limniou, 2024），而另一些研究则表明二者呈负相关（Alshaikhi et al., 2023 ; Ibn Auf et al., 2023）。频繁接触精心策划、以容貌为中心的视频内容可能会强化不切实际的审美标准和社会比较（Ariana et al., 2024 ; Harriger et al., 2023），但SFV平台也提倡积极的身体形象和多元化的呈现，这可能有助于增强自我接纳和赋能（Dhadly et al., 2023）。此外，积极参与内容创作既可能通过创造性表达和社会认同来提升自尊，也可能与自我意识过强和依赖外部认可有关（Haug et al., 2024 ; Marengo et al., 2021）。因此，尽管一些研究表明，SFV的使用与较低的自尊和对身体的不满有关，但另一些研究则发现，SFV的使用与自我认知和身份探索呈正相关，这凸显了进一步研究SFV的使用与自尊之间关系的重要性。

鉴于关于SFV使用与心理健康之间关系的证据尚不明确，本综述旨在阐明现有证据基础中的模式，并探讨可能导致研究结果差异的因素。本研究综合了实证证据，以检验可能影响SFV参与和心理健康指标之间关联方向和强度的潜在调节因素，从而更清晰地了解此类关联最有可能出现的条件。

以往文献综述

随着对社交媒体使用对健康影响的研究激增，已开展了大量的系统评价和分析。Conte等人（2025）的系统评价探讨了TikTok使用与青少年心理健康之间的关系。在纳入的20篇文章中，TikTok使用普遍与较差的心理健康状况相关（例如，抑郁症状、成瘾、愤怒情绪、孤独感、自尊心降低和生活满意度下降）。然而，由于缺乏定量 分析，该评价难以确定这些关联的强度。此外，Gabrielle等人（2024）对社交媒体使用与青少年心理健康之间的关联进行了Meta分析，报告称TikTok使用与心理健康指标（抑郁和焦虑症状）之间存在微弱的负相关关系。关键的是，这两项评论都只关注青少年，因此尚不清楚研究结果是否能推广到成年人，而成年人的认知（Ferguson 等人，2021年）和情感（Vink 等人，2014年）发展可能会改变 SFV 使用与健康之间的关联。

为了弥补这一研究空白，Galanis、Katsiroumpa、Katsiroumpa等人（2024）开展了一项系统综述和Meta分析，纳入了青少年和成人样本，以评估TikTok使用与心理健康之间的关联。与以往的研究结果一致，他们对16篇文章的综述揭示了TikTok使用与较差的心理健康状况（抑郁和焦虑）之间的关联。然而，尽管纳入了更广泛的年龄范围，该综述并未评估年龄是否调节了这种关联。因此，有必要开展进一步的研究，探讨年龄的调节作用。

尽管以往的综合研究揭示了社交媒体视频（SFV）使用与心理健康之间的联系，但它们仅关注TikTok。这种关注点可能歪曲了SFV的实际使用情况，因为社交媒体用户通常会使用多个SFV平台。此外，由于政府限制，一些国家无法访问TikTok，只能依赖其他平台（例如抖音、Instagram Reels、YouTube Shorts）。排除对这些平台或SFV总体使用情况的研究，限制了该领域研究结果的普遍适用性。此外，以往的综合研究主要考察了SFV使用与心理健康的关系，而忽略了认知等其他领域。因此，除心理健康之外，SFV使用的相关因素仍未得到充分研究。因此，有必要对SFV使用与认知和心理健康之间的关系进行更全面的综合研究，以更深入地理解其影响，检验潜在的调节因素，并澄清文献中的不一致之处。

当前的Meta分析

针对以往研究的关键局限性，本次系统综述和Meta分析提供了迄今为止最全面、最深入的关于社交媒体使用与认知和心理健康之间关联的综述之一。本研究基于大量且多样化的研究，考察了TikTok以外的社交媒体（包括一般社交媒体使用）。此外，本研究还探讨了不同的社交媒体参与指标（例如，社交媒体成瘾、使用频率、强度、总体使用情况），从而能够更细致地探究不同使用模式如何与不同的健康领域相关联。本综述的另一关键特点是纳入了多种认知指标（例如，注意力、执行功能、记忆力）和心理健康指标（例如，抑郁、焦虑、身体意象），从而能够全面评估特定健康领域是否比其他领域与社交媒体使用更密切相关。此外，本综述还探讨了几个潜在的调节因素，包括年龄组，并首次通过Meta分析证实了社交媒体使用与健康之间的关系在青少年和成年人之间是否存在差异。通过Meta分析上述各维度的研究结果，本研究全面概述了现有证据，并指出了文献中的不足和不一致之处。本次综述的研究结果将为未来的研究重点提供依据，并有助于制定针对不同年龄段的、有针对性的策略，以理解和支持儿童健康地参与SFV内容。

方法

透明度和开放性

本综述按照Cochrane系统评价干预措施手册（Higgins等，2024）进行，并遵循系统评价和Meta分析2020版报告规范（Page等，2021）和Meta分析报告标准进行报告。研究设计、数据收集/提取、分析和文章撰写过程中均未使用生成式人工智能。仅使用了标准的参考文献管理和校对工具。

本系统评价和Meta分析的方案已在PROSPERO数据库预注册（注册号：CRD42024587550）。预注册方案未发生重大偏差，仅亚组分析有所改动。除健康状况（临床与非临床）外，所有预注册的亚组分析均已完成，因为纳入的研究均未涉及临床人群。数据提取过程中，我们还发现SFV的测量方法存在显著差异（例如，成瘾性、频率、持续时间），因此增加了一项亚组分析，以检验测量类型是否会调节相关性。审稿人还建议进行一项亚组分析，比较纳入协变量和未纳入协变量的研究。除上述情况外，未发生任何与预注册方案的偏差。本评价中提取和分析的数据可在开放科学框架（Open Science Framework）存储库中获取（https://osf.io/D283Y/；Nguyen等人，2025）。

研究类型和人群

本研究纳入了探讨基于社交媒体的SFV使用与健康和/或认知相关因素之间联系的研究。仅纳入实证性定量研究。任何定性研究或二手研究（例如，综述、未报告任何实证数据的书籍章节）均被排除在外。研究人群（例如，年龄、健康/临床状况）无限制。

定义

在本综述中，短视频（SFV）被定义为时长从几秒到几分钟不等的视频内容（例如， Y. Wu et al., 2021 ; Y. Yang et al., 2024）。纳入的研究包括关注短视频专属平台（例如，TikTok、抖音）或一般短视频使用情况的研究。关注一般社交网站（例如，Instagram、Facebook）的研究，仅当其关注点是这些平台上的短视频功能（例如，Reels）的使用情况时才被纳入。具体而言，符合纳入标准的研究必须从频率、时长或强度/成瘾性等方面评估短视频的使用情况。探讨一般社交媒体使用情况的研究被排除在外。

比较

研究必须调查SFV使用与健康和/或认知相关因素之间的关系，可以通过比较不同组别（例如，SFV高使用组与SFV使用量低/无使用组）或检验相关性（例如，评估SFV使用情况的连续性）来实现。如果研究缺乏合适的对照组（例如，所有参与者均大量使用SFV），或者没有进行比较或关联分析来检验SFV使用与相关健康指标之间的联系，则该研究将被排除在外。

结果（相关因素）

研究必须对心理健康和/或认知结构进行定量评估。这些结构可以包括主观测量（例如，自我报告或感知到的健康/认知）或客观测量（例如，标准化测试）。健康结构根据世界卫生组织《国际疾病分类》第11版（世界卫生组织，2019 ）归类到心理健康领域。对于认知结构，任务根据《神经心理学测试汇编》（Strauss等人，2006 ）归类到特定的认知领域（例如，注意力、记忆力）。

信息来源

数据库检索于2024年10月28日完成，未设置任何限制条件（例如，发表日期、语言）。检索 范围涵盖多个数据库，包括APA PsycInfo（Ovid）、PubMed（美国国家生物技术信息中心）、Scopus（Elsevier）和Web of Science（Clarivate）。其他文献则通过ProQuest会议论文索引和ProQuest学位论文数据库进行检索。我们使用在线翻译工具评估非英文文献的纳入资格。此方法应用于两篇中文文献。

为确保全面涵盖相关研究，我们在11月1日至11月10日期间进行了补充检索，检索方式包括前向检索（利用谷歌学术的“引用”功能）和后向检索（检索参考文献列表）。此外，我们还手动检索了《大众媒体心理学》等重要期刊，以查找可能相关的研究。

搜索策略

最初的检索方式是通过从相关文章中识别与短视频、心理健康概念和认知概念相关的关键词而构建的。随后在Scopus数据库中进行了初步检索，筛选了500篇文章（按相关性排序），并通过添加其他关键词进一步优化了检索式。对优化后的检索式重复此过程，以确保没有遗漏任何关键词。最终的检索式如下：(“short-form video*” OR “short video*” OR TikTok OR “Instagram reels*” OR “Facebook reels*” OR Snapchat OR 抖音 OR Bilibili) AND ( cognition OR cognitive OR attenti* OR memory OR “ executive function*” OR health* OR mood OR stress* OR anxiety OR depression OR sleep* OR well-being OR “ quality of life ” OR QoL OR “ problem solving ” OR “ decision making ” OR “ critic thinking ” OR “mental health” OR psychosocial )。

甄选过程

研究团队在筛选前审查并确认了纳入标准，以确保纳入/排除研究的选择标准一致。文章管理及筛选流程优化采用Covidence软件（Veritas Health Innovation，无日期） 。所有检索结果均导入 Covidence 系统，系统会自动删除重复文章；筛选过程中，若有遗漏的重复文章，则需手动删除。

每篇文章均由两位作者在标题/摘要筛选和全文筛选阶段独立审阅。一位作者在每个阶段审阅了全部文章，其余团队成员每人审阅了约17%的文章。各阶段的审阅者间信度均较高：标题/摘要筛选（Cohen's κ = .87）和全文筛选（Cohen's κ = .94）。审阅者之间的分歧通过团队会议讨论纳入标准来解决。

有两篇文章缺少进行Meta分析所需的信息或相关数据。我们联系了这两篇文章的通讯作者，以寻求澄清和补充数据。两位作者均有回复，但只有一位提供了所需的补充信息。

数据收集

为了便于从纳入的研究中提取数据，我们创建了一个电子表格。首先，我们对五篇文章进行了试点数据提取，以确保所有相关信息都被收集到。在试点过程中，我们完善了待提取的数据项列表，纳入了更多感兴趣的细节。数据提取电子表格最终确定后，我们开始手动从研究中提取数据。为了确保数据的准确性，我们安排一位作者提取所有文章的数据（100%的文章数据），并由研究团队进行验证（每人提取约17%的文章数据）。我们检查了数据的一致性和准确性。整个过程中未发现任何差异。

最终提取的数据项列表包括以下内容：研究特征（研究地点、研究设计、已声明的利益冲突）、样本特征（年龄组、人口描述、样本量、年龄、性别）、SFV 使用情况评估（评估形式、SFV 测量方法、重点 SFV 平台，如有）、相关因素评估（类别 [心理/认知/身体健康]、测量方法）和研究结果（每项测量的结果）。

方法学质量评估

每项研究的方法学质量均采用混合方法评估工具（Hong et al., 2018）进行评估，该工具可评估各种定量研究设计，包括相关性研究和横断面组间比较研究。研究评估基于五个标准：（a）抽样策略，（b）样本代表性，（c）测量方法的恰当性，（d）无应答 偏倚风险，以及（e）统计分析的恰当性。每项研究的得分范围为0至5分，每满足一个标准得1分，分数越高表示方法学越严谨。每项研究均由两位作者独立评估。任何分歧均通过与研究团队讨论解决。

数据综合

数据分析采用综合Meta分析软件4.0版（CMA；Borenstein等，2022）。由于大多数纳入研究报告了相关系数（r值），因此选择相关 效应量（r ）作为通用指标。相关统计数据和样本量直接输入CMA。对于少数报告组间比较（例如，高SFV使用组与低/无SFV使用组的均值和标准差）的研究，在CMA中计算标准化均值差，然后使用既定公式（ Borenstein等，2009 ）将其转换为r值。这种方法确保所有研究，无论其原始报告指标如何，都能在统一的尺度上进行Meta分析，从而提高结果的可解释性，并与文献惯例保持一致。

因此，相关系数（r）被报告为平均效应量，其中0.10、0.30和0.50分别代表弱相关、中等相关和强相关（Cohen，2013）。正相关表明较高的SFV参与度与更好的健康指标相关，而负相关则表明相反的情况。

异质性和偏倚的评估

使用Q统计量评估各分析中效应量的异质性。采用I²统计量评估研究间方差的比例，阈值分别为<30%（微不足道）、30%–50%（中等）、50%–75%（显著）和>75%（非常显著；Deeks等人，2024 ）。当存在异质性时，进行调节效应分析以探索潜在的异质性来源（Borenstein等人，2021）。

我们使用CMA的单项研究剔除功能来检查潜在的异常值。如果剔除某项研究后结果的解释发生改变（例如，统计显著性或效应量发生变化），则该研究被视为异常值。所有识别出的异常值都会从分析中排除，但实际上并未识别出任何异常值。

采用漏斗图进行视觉评估，并采用Egger回归检验进行统计学评估（Egger等，1997）。此外，还应用了Duval和Tweedie（2000）的修剪填充法来估计缺失研究的潜在影响。报告了原始效应量和调整后的效应量。根据Borenstein等（2021）概述的指南，如果调整后的效应量支持相同的结论，则认为发表偏倚的影响微乎其微；如果调整改变了对研究结果的解释，则认为发表偏倚的影响显著。

计划分析

分析结果分为两类健康因素：认知相关因素和心理健康相关因素。若一项研究中使用多种测量方法来评估同一领域（例如，使用伦敦塔测验和威斯康星卡片分类测验来测量执行功能），则将这些领域的数据汇总为该研究的单一效应量。然后，按照标准的Meta分析 流程（Higgins 等，2024 ） ，使用这些汇总的效应量计算每项分析的总体效应量。所有分析均采用随机效应模型，以解释不同研究间研究设计和测量方法的差异，统计显著性水平设定为α=0.05。

为了进一步探究社交媒体使用与健康/认知之间的关系，我们针对以下因素进行了亚组调节效应分析：(a)年龄组（青少年[平均年龄≤18岁]，成人[平均年龄>18岁]）；(b)社交媒体平台（例如，TikTok、Instagram、Facebook）；(c)社交媒体使用测量指标（例如，成瘾程度、使用时长、使用频率、使用强度、使用情况）；以及 (d)各健康类别下的具体领域（例如，认知领域：注意力、记忆力、执行功能、计划能力）。我们还考察了协变量（本研究控制了混杂变量；本研究未控制任何变量）作为探索性调节因素的影响。

敏感性分析

为了评估研究结果的稳健性，我们对模型类型、方法学质量、研究设计和已声明的利益冲突进行了敏感性分析。如果不同假设下的效应量相当，则认为研究结果稳健（汇总统计数据见补充表SB-1 ）。对于认知和心理健康相关因素，随机效应模型和固定效应模型均获得了相似的结果。研究结果在质量较低（混合方法评估工具评分0-2分）和质量较高（混合方法评估工具评分3-5分）的研究之间也保持一致。同样，相关性研究和组间比较研究也得出了相似的结果。仅有两项研究声明了利益冲突，这两项研究均考察了心理健康相关因素；它们的效应量与其他研究的效应量一致。

结果

搜索结果

图1系统评价和Meta分析的首选报告条目流程图，描述研究选择。SFV = 短视频。

本文展示了系统评价和Meta分析的首选报告条目流程图，用于说明研究筛选过程。在筛选的2495篇文章中，有71项研究被纳入系统评价，其中70项研究的数据被纳入Meta分析。

纳入研究的特征

本综述纳入的研究大多在亚洲进行（74%），其次是北美（11%）和欧洲（11%），非洲（3%）和中美洲（1%）的研究较少。大多数研究为相关性研究（87%），而非组间比较研究（13%）。

本综述共纳入98,299名参与者。各研究的平均样本量为1,384名参与者（标准差=2,968，范围=29-20,107）。大多数研究关注成年人（73%），关注青少年的研究较少（27%）。所有研究的样本均以女性为主（平均女性占比60%），平均年龄为22.80岁（标准差=10.25）。

SFV（社交媒体）参与度的评估指标多种多样（7% 的研究包含了多个 SFV 参与度指标）。SFV成瘾（习惯性、无法控制地使用 SFV 应用）是最常见的指标，52% 的研究对其进行了测量。使用时长（SFV 应用的使用时间，27%）、使用情况（SFV 应用用户与非用户，11%）、强度（对 SFV 应用的情感/心理依恋，10%）和频率（SFV 应用的访问频率，7%）也有所测量，但频率较低。大多数研究侧重于 SFV 的一般使用情况（未提及具体应用；52%），TikTok 是本综述纳入的研究中唯一探讨的特定 SFV 平台（48%）。大多数研究考察了SFV 参与度的心理健康相关性（86%），而考察认知相关性的研究较少（21%）。仅有少数研究考察了多个健康领域（7%）。

在已声明利益冲突的研究中（3%），所报告的利益冲突与社交媒体或任何可能影响研究结果的竞争性利益无关。方法学质量高的研究（59%）多于方法学质量低的研究（41%）。最常见的未达标标准涉及样本代表性（例如，缺乏与目标人群的明确描述或比较，性别分布不均）和无应答偏倚风险（例如，无应答率高，未对未联系/拒绝者进行描述或考虑）。超过半数的研究（48%）控制了混杂变量，最常见的是年龄和性别。约10%的研究控制了某种形式的社交媒体使用情况（例如，Facebook/Instagram的使用情况、使用的社交媒体平台数量、社交媒体使用时长）。

SFV 和健康

表1. SFV参与度认知和心理健康相关因素的平均效应量汇总

本报告总结了认知和心理健康相关因素的平均效应量和调节效应量。有关探索认知相关因素（补充表 SC-1）和心理健康相关因素（补充表 SC-2）的研究特征和结果的总结，请参见补充材料 C。有关身体健康相关因素的研究结果，请参见补充材料 D。

认知相关性

本研究纳入14项研究，探讨了SFV与认知之间的关联。总体而言，SFV与认知之间存在显著的、中等程度的负效应（r= −.34，95% CI [−0.42, −0.26]，p< .001），表明SFV参与度越高，认知能力越差。漏斗图显示相对对称，Egger检验也证实了这一点（β = 1.40，SE= 2.88，p= .636）。然而，为了平衡漏斗图，我们采用修剪填充法，将一项效应量为负的低精度研究纳入分析。纳入该研究后，校正偏倚后的平均效应量略低于观察到的平均效应量（radjusted= −.35，95% CI [−0.42, −0.27]），但分析结果的解释保持不变，表明潜在的发表偏倚影响甚微。

研究间存在显著的异质性，Q(13) = 304.11，p< .001，I² = 95.73%，我们通过调节效应分析进一步探讨了这种异质性（表1列出了各调节变量的效应量汇总）。认知领域被证实是一个显著的调节变量，其中SFV参与度与注意力和抑制控制呈中度负相关；与语言、记忆和工作记忆呈弱负相关；与推理能力无相关性（见图2）。

图2. 按认知领域分层的认知相关性效应量森林图。注：圆圈代表每项研究的个体效应量（线条代表95% 置信区间）。效应量以相关系数 (r) 表示。负值表示较高的短视频 (SFV) 参与度与较差的认知表现相关。正值表示较高的 SFV 参与度与较好的认知表现相关。空心（白色）菱形代表每个认知领域的平均效应量。实心（红色）菱形代表所有研究（包括认知测量）的总体平均效应量。粗斜体字表示认知领域亚组。粗体字表示总体平均效应量。SE标准误差；CI = 置信区间；LL= 下限；UL= 上限。请参阅在线文章以获取此图的彩色版本。

SFV指标也是一个重要的调节变量。认知能力较差与SFV使用强度密切相关，与SFV成瘾程度中等相关，与SFV使用时长呈弱相关。相比之下，SFV类型并非显著的调节变量，针对一般SFV使用和TikTok使用的研究均获得了相似的效应量。

本研究检验了年龄组作为调节变量，以考察青少年和成年人中SFV参与度与认知能力之间的关联强度是否存在差异。分析结果显示，年龄并无显著的调节作用，表明青少年和成年人的研究均得出SFV参与度与认知能力之间存在相似的中等程度负相关。纳入协变量后，也未发现显著的调节作用。

心理健康相关因素

总体而言，61项研究探讨了SFV参与度与心理健康之间的联系，结果显示二者之间存在较小但显著的负效应值（r= −.21，95% CI [−0.25, −0.17]，p< .001）。因此，较高的SFV参与度与较差的心理健康状况相关。对称的漏斗图表明，发表偏倚对该结果的影响可能很小，Egger检验（β = −1.90，SE= 1.45，p= .193）和修剪填充分析均证实了这一点，表明无需进行插补即可平衡漏斗图。

由于各研究间存在显著的异质性，Q(60) = 1,681.54，p< .001，I²= 96.43%，因此进行了调节效应分析。健康领域显著调节了SFV参与度与心理健康之间的关联。如图3所示，

图3. 森林图，展示按领域（压力、焦虑、抑郁）分层的心理健康相关因素效应量。：圆圈代表每项研究的个体效应量（线条代表95% 置信区间）。效应量以相关系数 (r) 表示。负值表示短视频参与度越高，心理健康指标越差（正值表示相反的情况）。空心（白色）菱形代表每个心理健康领域的平均效应量。实心（红色）菱形代表所有评估心理健康的研究（所有心理健康领域）的总体平均效应量。粗斜体字表示心理健康领域亚组。粗体字表示总体平均效应量。SE标准误差；CI = 置信区间；LL= 下限；UL= 上限。请参阅在线文章以获取此图的彩色版本。

SFV参与度与焦虑和压力呈中度相关，与抑郁呈弱相关。图4

图4. 森林图，展示了按领域（睡眠、孤独感、幸福感、情感）分层的心理健康相关因素的效应量。：圆圈代表每项研究的个体效应量（线条代表95% 置信区间）。效应量以相关系数 (r) 表示。负值表示短视频参与度越高，心理健康指标越差（正值表示相反的情况）。空心（白色）菱形代表每个心理健康领域的平均效应量。实心（红色）菱形代表所有评估心理健康的研究（所有心理健康领域）的总体平均效应量。粗斜体字表示心理健康领域子组。粗体字表示总体平均效应量。SE标准误差；CI = 置信区间；LL= 下限；UL= 上限。请参阅在线文章以获取此图的彩色版本。

结果表明，SFV参与度与情绪、孤独感、睡眠质量和幸福感之间存在微弱的负相关关系。相比之下，SFV参与度与身体形象或自尊无关（见图5）。

图5. 森林图，展示按领域（自尊、身体意象）分层的心理健康相关因素效应量。：圆圈代表每项研究的个体效应量（线条代表95% 置信区间）。效应量以相关系数 (r) 表示。负值表示短视频参与度越高，心理健康指标越差（正值表示相反情况）。空心（白色）菱形代表每个心理健康领域的平均效应量。实心（红色）菱形代表所有评估心理健康的研究（所有心理健康领域）的总体平均效应量。粗斜体字表示心理健康领域子组。粗体字表示总体平均效应量。SE标准误差；CI = 置信区间；LL= 下限；UL= 上限。请参阅在线文章以获取此图的彩色版本。

SFV（社交媒体）使用情况是一个显著的调节变量，其中SFV成瘾与心理健康呈中等程度的相关性，而SFV使用频率和使用时长均与心理健康呈弱相关性。SFV的使用频率和强度与心理健康无关。SFV类型也是一个显著的调节变量，一般SFV使用的平均效应量略高于TikTok使用。

年龄组别并非显著的调节因素，表明针对青少年和成年人的研究均得出SFV参与度与心理健康之间存在相似的弱负相关关系。协变量的纳入也并非显著的调节因素。

尽管社交媒体平台上的SFV应用程序和SFV功能发展迅速，但SFV使用与不同健康指标之间的关联仍不甚明了。虽然已有个别研究探讨了SFV参与度与各种健康指标之间的联系，但此前尚无系统性综述评估这些关联在多个健康领域、平台和年龄组中的表现。本系统综述和Meta分析通过分析70项研究的数据填补了这一空白，是迄今为止该领域最全面的综述之一。此外，本研究还考察了潜在的调节因素（年龄组、SFV测量方法和SFV类型），以更清晰地理解这些关联。尽管研究结果表明SFV参与度与认知和心理健康之间可能存在关联，但鉴于纳入研究大多采用横断面设计，因此应谨慎解读这些结果。尽管如此，结果的一致性和模式可能为未来的研究和实践提供有益的指导。具体而言，这些发现可能有助于指导未来纵向和实验性研究的设计，为更负责任的平台功能（例如内容多样性、使用引导）提供信息，并支持鼓励人们更深入思考和有意识地参与SFV内容的数字素养计划。

SFV参与的认知相关性

我们的Meta分析基于14项研究，结果显示中等程度的负向效应量，表明SFV（社交媒体）使用率越高，认知能力越差。具体而言，SFV使用与注意力及抑制控制能力下降呈中等程度的相关性；与语言、记忆和工作记忆能力下降呈弱相关性；与推理能力无相关性。值得注意的是，注意力及抑制控制是研究最多的认知领域，这可能有助于提高检测真实效应量的统计效力。其他认知功能的研究相对较少，凸显了进一步研究SFV使用如何影响注意力及抑制控制过程以外的其他认知领域的必要性。

与SFV使用相关的认知困难可以从格罗夫斯和汤普森（1970）的习惯化和敏感化双重理论的角度来解释。该理论认为，反复接触高刺激、快节奏的内容会导致习惯化，用户对阅读、解决问题或深度学习等较慢、认知要求更高的任务变得不敏感。随着时间的推移，这种参与模式可能会降低认知耐力，削弱用户专注于单一任务的能力。与此同时，SFV平台可能通过提供算法推送的奖励来促进敏感化，从而强化冲动参与。能够即时滑动浏览新的、极具吸引力的内容，可能会导致用户迅速脱离缺乏即时新奇或刺激的刺激。从这个角度来看，经常使用 SFV 的用户可能会表现出注意力控制能力下降和持续认知参与能力降低，因为神经认知过程会转向短暂、高回报的互动，而不是长时间的、目标导向的任务（Goldon，2024；Soror 等人，2022）。

神经影像学研究进一步支持了这一解释，揭示了高频社交媒体用户大脑中与注意力和认知控制相关的区域的结构和功能差异。例如，Walla 和 Zheng (2024)使用视觉奇特刺激范式进行了一项电生理学研究。与普通社交媒体用户相比，重度用户在面对罕见（新颖）和重复出现的刺激时，神经激活（P300）降低，表明其注意力处理能力受损。同样，Achterberg 等人 (2022)和Goldon (2024) 的研究表明，重度社交媒体（和社交媒体）用户在关键认知控制区域（包括前额叶皮层和纹状体奖赏回路）存在结构差异，提示频繁接触高奖赏刺激（例如社交媒体）可能与前额叶调节控制能力下降和冲动行为增加有关 (Goldon, 2024)。He等人 (2025) 的研究也支持了这一观点。 (2017)年的研究也表明，使用社交媒体成瘾量表评估的、存在更多问题性社交媒体使用行为的个体，其认知灵活性降低，多巴胺奖赏加工过程发生改变，表现为腹侧被盖区激活程度降低以及执行控制网络中与任务相关的连接性减弱。这些发现提示，习惯性使用数字媒体与认知控制和注意力调节受损相关的神经功能模式之间可能存在联系。尽管这些关联并不能证实因果关系，但它们与行为研究结果相符，后者表明，社交媒体消费的碎片化和快节奏特性可能与执行功能随时间推移而减弱有关。

总体而言，这项Meta分析揭示了一种一致的模式，即SFV（社交媒体）使用量越高，认知能力越差，尤其是在注意力控制和抑制过程方面。这些关联可能反映了重度SFV用户认知压力过大，或认知耐力和注意力调节能力出现障碍。鉴于注意力和执行功能在学术、职业和日常目标导向任务中的核心作用（Diamond，2013），这些模式可能表明，人们在长时间维持脑力劳动方面存在更广泛的困难。需要长时间集中注意力的任务（例如，阅读理解、复杂问题解决）可能更难维持，尤其是在SFV平台通过快速反馈和算法推送内容来强化短暂、高回报互动的情况下。由于大多数现有研究都集中在注意力和抑制控制方面，因此需要进一步研究以确定SFV使用是否与其他认知领域存在类似的关联。此外，很少有神经影像学研究直接考察SFV使用情况，这代表着在理解SFV参与如何与潜在的神经认知模式相关联方面存在一个关键空白。弥合这些差距对于更全面地了解认知功能的不同方面如何与SFV消费模式相关至关重要。

尽管一些纵向研究已揭示了社交媒体使用与认知功能之间的因果关系（例如，Sharifian & Zahodne，2020），但潜在的认知差异仍然可能影响个体参与短视频的方式。认知功能基线较低的人可能更倾向于高刺激性、低投入的内容，或者更难从持续不断的短视频流中抽身（例如，Ioannidis 等，2019）。此外，焦虑、抑郁或注意力障碍等潜在因素可能同时影响短视频的使用方式和认知表现，从而导致当前综述中观察到的关联（Baumgartner，2022；Dagher 等，2021；Xiong 等，2024）。这些因素强调了开展进一步纵向和实验研究的必要性，以厘清短视频参与与认知功能之间的时间和心理机制。加深我们对与 SFV 使用相关的潜在认知变化的理解，对于制定循证策略以支持日益数字化的世界中的认知健康至关重要。

SFV参与的心理健康相关性

61项研究考察了社交媒体参与度与心理健康之间的关联，结果显示二者之间存在微弱的负效应。具体而言，社交媒体使用与焦虑和压力呈中度相关，与抑郁、孤独、睡眠质量下降、幸福感降低和负面情绪呈弱相关。与先前关于社交媒体与心理健康的综述（例如，Conte等人，2025；Gabrielle等人，2024；Galanis、Katsiroumpa、Katsiroumpa等人，2024）一致，这些发现表明，尽管社交媒体平台可能提供娱乐和社交联系，但过度使用与较差的心理健康指标相关。这种模式可能反映了社交媒体平台刺激神经奖赏系统的方式。K. Chen等人（2022）和Su等人（ 2023）的研究也支持这一观点。(2021)年的研究表明，过度沉迷于社交媒体视频（SFV）可能与多巴胺通路改变有关，从而形成一种恶性循环：过度刺激导致对奖励的敏感性降低。SFV平台的内容经过算法筛选，旨在最

大程度地提高用户参与度，这种高度个性化的特性可能会促进频繁且强烈的多巴胺释放。随着用户反复接触SFV，他们对日常奖励来源的反应可能会减弱，从而增加焦虑和抑郁的风险。此外，SFV消费中常见的高参与度观看方式，例如无休止地滚动浏览和即时满足，可能会强化依赖数字内容而非面对面社交互动或体育锻炼等恢复性活动的心理调节模式（W. Wu等人，2024）。

与社交媒体使用和心理健康指标相关的另一个潜在因素是社会传染——情绪状态、行为或信念通过反复接触他人而传播，通常是通过同伴示范或算法放大的内容（Corzine & Harrison，2023）。在社交媒体平台上，用户会频繁接触到关于精神疾病、症状和诊断的个人叙述。反复接触此类内容可能会提高用户对心理症状的认知，引发自我比较，或影响他们对日常情绪状态的解读（例如，Olvera 等，2021）。在某些情况下，这种接触可能会促进自我诊断或对特定疾病的认同，尤其是在内容简化或夸大复杂临床经历的情况下。尽管自我诊断可能有助于寻求帮助和提高心理健康素养（例如，Naslund 等，2016；Pretorius 等，2019），但人们也对不受监管的内容对症状表达的影响表示担忧。例如，青少年在接触描绘图雷特综合征的TikTok视频后，抽动症样行为的增加引发了人们对模仿效应和功能性症状表现的质疑（Olvera等人，2021）。这种动态变化凸显了研究SFV（社交媒体视频）参与如何影响心理健康认知的重要性，这不仅体现在情感共鸣上，也体现在数字环境中的行为模仿和认同过程上。

此外，使用社交媒体视频（SFV）与睡眠障碍有关——睡眠障碍是焦虑、抑郁和认知障碍的公认风险因素（Galanis、Katsiroumpa、Katsiroumpa 等，2024）。先前的研究表明，SFV 的快节奏特性可能会过度刺激大脑，延迟入睡并降低睡眠质量（K. Wang 和 Scherr，2022）。此外，由于 SFV算法优先推送高参与度内容，用户可能会比预期保持清醒的时间更长，这可能导致睡眠不足，进而加剧情绪失调。因此，SFV 的使用可能通过认知-情绪和生理途径导致心理困扰。

出乎意料的是，我们的Meta分析发现，社交媒体参与度与身体自尊或自尊之间并无关联，这与之前的研究结果相悖。例如，Gabrielle等人（2024）报告称，社交媒体使用与青少年自尊呈负相关；Conte等人（2025）发现，TikTok的使用与较差的身体形象认知相关。然而，Galanis、Katsiroumpa、Katsiroumpa等人（2024）指出，这些效应量主要来源于一项研究，该研究使用二元问题（“你是否存在身体形象问题？”）来测量身体形象自尊，这引发了人们对测量有效性的担忧。本次综述中，部分研究报告称，SFV（成人视频）的使用与自尊或身体形象呈负相关（例如，Alshaikhi等人，2023；Ibn Auf等人，2023），而另一些研究则报告称二者呈正相关（例如，Asad等人，2022；Nasidi等人，2024）。研究结果的不一致性表明，SFV的使用与身体/自尊之间的关联可能高度依赖于个体差异以及接触不同类型的SFV内容。因此，有必要开展进一步研究，通过考察SFV的内容和使用模式来厘清这些因素，并识别与心理健康负面指标风险增加相关的内容特征和个体特征。

展望未来，更加关注内容类型在社交媒体互动中的作用，或许能够深入揭示不同类型的内容如何与用户的自我认知和幸福感相关联。这种关注有助于阐明为何社交媒体的使用与某些心理健康指标（例如抑郁、焦虑、压力）相关，而与其他指标（例如身体形象、自尊）无关，从而更深刻地理解不同类型的社交媒体内容如何与心理健康的不同方面相联系（例如，Seekis & Lawrence，2023）。这种特定内容的模式可以通过使用与满足理论（Katz等人，1973；Ruggiero，2000）来解释，该理论认为，人们使用媒体是为了满足特定的需求，例如娱乐、社交或自我提升（W. Wu等人，2024）。例如，那些寻找与个人目标（例如健身、教育）相符的内容的用户可能会体验到更高的自尊和幸福感。社会比较理论（Festinger，1954）提供了一个补充视角，有助于解释用户进行向上和向下比较的倾向。接触理想化的美貌或成功形象可能会促使用户进行向上社会比较，而这种比较与自卑感和较低的自尊心有关（Ahmed，2023）；相比之下，向下比较可能产生更积极的影响（W. Wu等，2024）。综上所述，这些理论视角强调了不仅要考察用户消费SFV内容的数量，还要考察塑造他们体验的心理动机和内容主题的重要性。

总体而言，SFV的使用通常与较差的心理健康指标相关，但鉴于证据的相关性性质，应谨慎解读这些发现。焦虑、抑郁或孤独感较高的人可能更倾向于使用SFV来分散注意力或调节情绪，而非SFV的使用本身就是导致心理困扰的主要原因（Coyne et al., 2020;Keles et al., 2020;Orben et al., 2019）。此外，人格特质、情绪调节困难或线下支持网络有限等潜在因素也可能导致SFV使用增加和心理健康状况下降（Woods & Scott, 2016）。由于缺乏明确的因果关系，因此需要开展更多纵向研究和实验研究，以阐明这些关联的性质和时间动态。

尽管本综述中观察到的模式仅为相关性研究，但它们凸显了未来研究的新兴领域，以及持续开展关于数字媒体使用情况的研究和公众对话的必要性。我们鼓励教育工作者、临床医生和政策制定者关注这些趋势，并考虑采用低风险、循证的方法，以促进理性、平衡地使用社交媒体。例如，提高算法透明度并赋予用户更大的内容接触控制权，已被建议作为支持更健康的数字习惯的策略，尤其是在青少年群体中，因为他们可能更容易受到算法驱动的内容模式的影响（Costello et al., 2023）。屏幕时间提醒和内容多样化工具等功能也可能值得进一步研究，作为支持自我调节和减少重复接触情绪化内容的策略（Jürgens & Stark, 2022;Santos et al., 2023）。

需要开展持续研究，探索SFV的使用如何随时间推移与心理健康相关联（Ding et al., 2024;Yu et al., 2024），并评估干预方法（例如，数字戒断计划、认知行为策略）是否应针对SFV的特定媒体使用情况进行调整。此外，研究人格、既有心理健康脆弱性和文化背景等因素如何影响个体对SFV内容的反应也至关重要，以便为数字媒体使用提供更有针对性的建议（Zhou et al., 2021）。

SFV参与群体

年龄

年龄组别并非认知或心理健康相关因素的显著调节因素，这表明社交媒体使用与健康指标之间的关联在青少年和成年人群体中基本一致。尽管人们通常认为自我调节和认知成熟度的年龄差异会影响数字媒体参与度（例如，Reinecke等人，2022），但这些发现表明，社交媒体使用与健康之间的关联机制可能在不同的发展阶段以类似的方式运作。这一解释与San Martín Iñiguez等人（2024）的研究结果相符，他们发现，在不同的文化背景下，自我调节过程与青少年和成年人的社交媒体问题使用始终存在关联。研究结果表明，自我调节在数字媒体参与中的作用可能保持稳定，而非随着年龄的增长而减弱，这或许可以解释本次Meta分析中未观察到年龄调节作用的原因。

此外，SFV平台具有高度刺激性和沉浸感，能够激活终生活跃的多巴胺奖赏系统（Su et al., 2021），这可能与认知控制方面的发育差异相互作用，而非受其限制（例如，Cools, 2016）。这些平台旨在提供快速、个性化的内容，通过即时反馈和奖励提示来吸引注意力并强化参与度（Goldon, 2024）。即使在认知控制和自我调节能力存在发育差异的情况下，这些设计特点也有助于降低不同年龄组在注意力获取和奖励导向参与度方面的差异。未来需要开展更多发展研究，以探讨神经认知和自我调节过程如何与终生SFV使用模式的演变以及健康状况相关联。

SFV测量

SFV（社交媒体）使用情况的测量结果显示，SFV使用情况在健康相关因素中起着重要的调节作用，不同的SFV使用操作化定义产生了不同的效应量。SFV成瘾程度（问题性使用程度）与健康指标呈最强的负相关（中等效应量），而SFV使用时长（使用SFV的时间）与健康相关因素的相关性较弱（小效应量）。同样，SFV使用情况（SFV使用情况的二元[是/否]指标）与心理健康呈弱相关，但尚无研究考察其与认知相关因素的关联。相比之下，SFV使用频率（SFV的使用频率，例如，每天的使用次数）和SFV使用强度（SFV使用的深度）与心理健康无关，但SFV使用强度与较差的认知能力密切相关（基于一项研究；Du等人，2024）。

关联性的差异可能反映了不同测量方法在心理测量学上的可靠性差异；成瘾性、持续时间和一般使用情况的评估通常更为标准化，采用经过验证的社交媒体成瘾量表或结构化的自评量表（例如，“你每天花多少小时在短视频上？”；“你使用TikTok吗？”）。相反，短视频使用频率（例如，Facebook或一般社交媒体使用量表的改编版，以及自定义量表）和强度（例如，社交媒体使用强度问卷、短视频使用行为量表、针对TikTok自动使用的自评行为自动化指数）的测量方法则存在显著差异。

除了测量方面的考量，这些指标可能反映了SFV使用的不同维度，而每个维度都可能对认知和心理健康产生独特的影响。SFV成瘾量表通常评估问题性使用，包括失控、戒断、沉迷和干扰日常职责等症状（例如，Galanis、Katsiroumpa、Moisoglou等人，2024）。因此，这些测量方法可能更直接地捕捉到与心理困扰或执行功能障碍密切相关的适应不良使用模式（Satici等人，2023；K. Zhang等人，2023）。相比之下，时长反映的是使用SFV的总时间，但仅凭这一指标可能无法反映使用的背景或功能。例如，一个人可能报告使用SFV的时间很长（例如，每天3小时），观看的内容是他们认为放松、有教育意义或有益于社交的内容，而没有经历明显的损害。相反，即使是短暂但习惯性的使用也可能造成心理上的干扰，这取决于个人的动机和调节策略（C. Huang，2022；Schivinski 等人，2020；Timpano 和 Beard，2020；CC Yang 等人，2025）。

频率（访问社交媒体的频率）和强度（情感投入的深度或习惯性使用）也可能反映不同的使用方式。较高的频率可能表明用户只是例行查看，而不会长时间投入，这可能不会对情绪或认知产生显著影响（Harvey & Aikman, 2025;Timpano & Beard, 2020;Toh et al., 2023）。强度通常被概念化为社交媒体使用的个人显著性或情感中心性（例如，对平台产生情感依恋或依赖），可能受习惯驱动且自动进行，但不一定令人痛苦或具有破坏

性（J. Ye et al., 2025）。有些人可能频繁使用社交媒体而不会遇到明显的困难，尤其是在内容与个人目标相符或使用融入平衡的日常生活中时。对另一些人来说，高强度使用可能意味着更容易被注意力吸引或难以摆脱，这可能会对认知能力产生更大的影响（J. Wang et al., 2025;J. Ye et al., 2025）。这些区别表明，并非所有使用行为本身都存在问题，理解SFV（社交媒体）的功能和主观体验（而不仅仅是使用量）对于预测健康相关性至关重要。未来的研究需要进一步区分这些维度，并根据个体情况，检验某些使用模式（例如，使用时长长但成瘾程度低）是否与风险或韧性相关。

值得注意的是，尽管SFV成瘾测量与健康指标的相关性最强，但它们通常评估的是一个连续谱系中的问题性使用，而非作为临床诊断工具（Galanis、Katsiroumpa、Katsiroumpa等，2024）。因此，SFV成瘾量表得分高的个体可能涵盖了从轻微干扰到存在问题性或适应不良使用模式的个体。鉴于本综述中超过一半的研究依赖于SFV成瘾测量，观察到的相关性可能反映了处于问题性使用谱系一端的个体经历。因此，未来的研究有必要区分存在SFV问题性使用模式的个体与普通或“典型”用户的经历，以便更有效地将SFV使用与健康之间的关联置于整个人群的背景中进行分析。此外，鉴于目前对SFV使用频率和强度的评估方法存在差异且缺乏标准化（通常依赖于其他平台的改编量表或未经验证的自定义条目），未来的研究需要改进这些指标。未来的工作可以包括开发心理测量学上可靠的工具，并对SFV使用情况进行更全面、多维度的评估，将行为模式、强迫性和内容接触情况结合起来考虑。这些努力将有助于阐明不同SFV使用维度各自的独特贡献，并提高对现有研究结果的可解释性。

SFV 型

短视频类型是短视频使用与心理健康之间关联的重要调节因素，总体短视频使用与心理健康的负相关性强于TikTok专属短视频使用。对此的一种可能解释是，总体短视频使用通常反映了用户在多个平台上的参与，而这种参与与更高的心理健康风险相关。例如，Primack等人（2017）发现，使用7-11个社交媒体平台的用户患抑郁症和焦虑症的风险是仅使用0-2个平台用户的三倍以上。因此，总体短视频使用可能反映了用户更多样化、更频繁地接触短视频内容，包括那些整合了短视频功能的平台（例如Instagram Reels、YouTube Shorts）。这种更广泛的总体短视频使用模式凸显了我们需要超越TikTok来理解短视频参与的必要性，尤其是在用户经常在不同平台间切换的情况下。例如，近期美国对TikTok的（暂时）封禁，引发了大量“TikTok难民”涌入RedNote和Lemon8等替代平台（澳大利亚广播公司，2025）。然而，“一般社交媒体使用”也可能仅指单一平台，这引发了人们对测量精确性的担忧。因此，研究必须明确指出参与者使用哪些平台，以及他们的参与是否跨越多个应用程序。随着社交媒体功能日益融入整个社交媒体领域，研究和公共卫生工作应考虑累积的社交媒体暴露，而不是孤立地关注单个平台。

纳入协变量

纳入协变量后，SFV 使用与认知或心理健康之间的关联强度并未减弱，这表明无论是否控制变量，各研究的效应量均保持一致。值得注意的是，本次综述中仅有少数研究明确考虑了社交媒体相关变量，这限制了 SFV 使用与健康指标之间独特关联的确定程度。鉴于观察到的关联可能反映了社交媒体研究中普遍存在的模式，这一局限性尤为重要。这些研究一致表明，社交媒体使用与抑郁、焦虑、孤独和睡眠障碍有关（C. Huang，2022；Keles 等，2020）。这些心理健康指标通常归因于向上社会比较、害怕错失机会以及恢复性活动减少等机制。这些机制也与 SFV 相关。然而，SFV平台由于其独特的结构特征，例如沉浸式全屏单视频播放和基于滑动的无限滚动，可能带来额外的风险。这两种特征都旨在最大限度地提高用户参与度并减少自然停止信号。此类特征已被证实与注意力集中和情绪过度刺激有关（例如，Montag等人，2021）。

在少数纳入社交媒体相关协变量的研究中，即使在调整了社交媒体使用时长和平台类型（Hainsworth，2024）、使用的平台数量（Williams等，2024）、每日观看时长（Dong & Xie，2024；H. Mu等，2022 ）以及同时使用其他屏幕媒体和睡眠情况（Xu等，2023）之后，社交媒体视频（ SFV）使用与健康指标之间的关联仍然显著。值得注意的是，Hunt等（2023）进行的一项实验研究将参与者随机分配到三个组：（a）继续他们通常的社交媒体使用方式（对照组）；（b）将所有社交媒体平台的使用时间限制在每天1小时；（c）限制社交媒体使用时间，避免使用TikTok，并将非亲密好友静音。3周后，干预组的抑郁症状、错失恐惧症和社交比较倾向均显著降低，而对照组则未观察到此类变化。这些结果表明，仅凭一般的社交媒体使用可能不足以解释观察到的与健康相关的负面关联。展望未来，研究应纳入与社交媒体相关的协变量，以阐明社交媒体使用的独特影响。

局限性、建议和未来方向

这项Meta分析研究全面综合了社交媒体参与度与健康相关因素之间的关联，但证据综合过程中的一些方法学问题仍需关注（Johnson，2021）。本综述的一个局限性在于语言和覆盖范围。尽管我们系统检索了多个主要数据库并纳入了一些非英语研究，但本综述主要基于英文文献，因此可能遗漏了一些相关研究。鉴于区域性社交媒体平台（例如中国的抖音、印度的Hipi）的快速发展，这一局限性尤为重要，因为相关研究可能发表在Scopus、PubMed、Web of Science或APA PsycInfo等数据库未收录的期刊上。由于非英文发表的研究在主要数据库中的可见度通常较低，并且可能导致Meta分析结果出现偏差（Jüni等，2002），因此本综述中报告的平均效应量可能无法完全反映全球证据基础。因此，未来的审查将受益于采用多语言搜索策略并纳入区域数据库，以提高覆盖范围并确保更广泛的代表性。

另一个需要考虑的因素是效应量转换。为了整合报告组间比较的研究和报告相关性的研究，我们将标准化均值差转换为r值。这些转换依赖于关于变异性和分布的假设，而这些假设可能会影响效应量估计。尽管这些转换通常不会实质性地改变Meta分析的结果（Borenstein等人，2009），但它们可能会引入额外的不确定性。然而，鉴于本综述中只有13%的纳入研究需要进行转换，因此对结果的影响可能微乎其微。

此外，一些认知领域（语言、记忆、推理、工作记忆）和心理健康领域（身体意象、睡眠质量、压力）的研究数量有限。评估这些领域的研究数量不足可能会降低统计效力，从而低估真实效应量。因此，这些领域是未来研究的重要方向。

尽管本文并未报告社交媒体使用与身体健康之间的关联（见补充材料D），但身体健康仍然是一个值得未来研究的领域。鉴于健身相关内容（例如#fitspiration）在社交媒体平台上的日益普及，身体健康是与社交媒体使用相关的一个重要考量因素。社交媒体使用与身体健康之间的关联可能很大程度上取决于内容接触的性质和用户的个体特征。例如，本身就对体育活动感兴趣的人可能更倾向于观看以运动为主题的社交媒体内容，这有助于强化健康行为。相反，较为被动的消费模式可能会减少运动机会，尤其是在久坐用户中。初步证据强调了在更广泛地探索健康与社交媒体使用之间的联系时，考虑个体差异的重要性。例如，Shimoga等人（2019）发现，在已经积极参与体育活动的青少年中，社交媒体使用时间越长，每日运动量越大；而对于运动量较少的青少年，社交媒体使用时间越长，运动量反而越小。本研究结果表明，数字媒体使用与健康行为（例如体育锻炼）之间的关联可能因个体差异而异。其他个体差异，例如性别、人格特质和动机因素，也可能调节SFV参与度与健康相关因素之间的关联。未来系统性地研究这些变量如何与SFV使用和内容类型相互作用的研究，或有助于制定更具针对性的数字健康干预措施，以及更广泛的媒体素养和平台设计方法。

值得注意的是，近期数字健康研究的转变强调，重要的不仅是媒体消费，还有内容的质量性质（例如，Firth等人，2024）。为了更好地捕捉这些动态变化，未来的研究应将内容类型、用户动机和情感反应与传统的基于时间的指标（例如，使用时长/频率）相结合。补充性的定性研究和Meta分析也有助于深入了解个人参与社交媒体的情境、遇到的内容类型以及用户如何解读和回应这些内容。这些方法共同作用，或许有助于阐明定量研究中发现的关联背后的机制。

此外，纳入研究调查的短视频平台范围有限，大多数研究侧重于短视频的总体使用情况或专门针对TikTok。没有研究考察其他短视频平台（例如Instagram Reels、Facebook Reels、YouTube Shorts或其他专用短视频应用）。鉴于短视频功能在主流社交媒体平台中的整合日益加深，未来的研究应超越TikTok的局限，评估不同平台（或所有平台）上的短视频参与情况。此外，考虑到短视频的碎片化和快节奏特性，研究其与神经认知功能和心理健康的关联是否与传统社交媒体形式（例如基于文本的平台（Twitter/X、Reddit）或基于图片的动态消息（Instagram、Facebook））存在差异，也至关重要。

此外，由于纳入的大多数研究均为横断面相关性研究，因此本综述的结果无法确定因果方向。例如，承受压力或焦虑的人可能会转向SFV（社交媒体视频）以分散注意力或缓解焦虑，但其他人可能会发现，接触情绪化或引发焦虑的内容反而会加剧痛苦。这些过程可能同时发生，因此，考虑用户意图和内容特征至关重要。为了推进该领域的研究，未来的实验性和纵向研究应旨在确定关联的时间顺序，并阐明SFV参与与健康指标之间潜在的联系机制。

随着社交媒体日益融入各个年龄段人群的日常生活，持续开展研究对于理解其对公众健康的长期影响至关重要。近期政策发展，例如澳大利亚提出的《2024年网络安全修正案（社交媒体最低年龄）法案》（澳大利亚议会，2024），反映出保护年轻用户的力度不断加大，但更广泛的监管挑战依然存在。围绕儿童隐私、知情同意和劳动权利的担忧，尤其是在内容创作和“儿童网红”（Shomai等人，2024）的背景下，凸显了加强保护的必要性。此外，年轻用户是否完全理解平台条款和条件也存在疑问，这凸显了数字素养和治理方面的重要差距（Kaye等人，2021）。解决这些问题需要公共卫生、教育、法律和媒体研究等跨学科研究。

重要的是，如果设计和使用得当，社交媒体视频（SFV）也能带来独特的益处。例如，它们在性教育等领域已展现出作为互动工具的潜力（Fowler et al., 2022）。与其提倡一刀切的限制，不如采取更加平衡的方法。“金发姑娘假设”（Brannigan et al., 2023;Przybylski & Weinstein, 2017）表明，适度使用数字媒体可以提升幸福感，提供社交、娱乐和信息获取的机会（Whiting & Williams, 2013）。未来的干预措施可以纳入平台层面的策略，例如使用提醒、可选的时间限制或休息通知，以鼓励用户更加理性地使用社交媒体（Y. Yang et al., 2024）。尽管此类工具的有效性仍在研究中，但它们为支持更健康的社交媒体视频使用以及减少过度或不良使用提供了有前景的途径。

结论

这项系统性综述和Meta分析发现，社交媒体使用与认知能力下降（注意力、抑制控制、语言、记忆和工作记忆）以及除身体意象和自尊以外的大多数心理健康指标相关。调节效应分析表明，这些关联在青少年和成年人群体中均一致，但当使用成瘾量表测量社交媒体使用情况以及评估一般社交媒体使用情况（而非TikTok特定使用情况）时，这种关联最为显著。尽管纳入协变量并未影响效应量，但未来的研究应更系统地考虑一般社交媒体使用情况，以便更好地分离社交媒体使用与健康相关因素的独特关联。此外，更加关注社交媒体内容和用户动机对于理解社交媒体参与与健康相关的具体条件也至关重要。鉴于纳入的大多数研究为横断面相关性研究，因此需要更严谨的纵向研究和实验设计来阐明社交媒体使用与健康之间关联的方向性和潜在机制。尽管如此，这些发现为未来旨在厘清SFV使用多方面性质及其对健康影响的研究奠定了宝贵的基础。随着SFV平台在教育、商业和社会领域不断发展和扩展，了解SFV参与的健康相关性仍然是数字健康研究的重要方向，尤其是在指导平衡媒体使用方法和为未来的公共卫生建议提供依据方面。

论文原文：Feeds, Feelings, and Focus: A Systematic Review and Meta-Analysis Examining the Cognitive and Mental Health Correlates of Short-Form Video Use