中國大學生網絡成癮發生率的 Meta 分析_《中國循證醫學雜志》

作者：

劉奕蔓 ¹ , 李麗 ² , 馬瑜 ³ , 梁忠環 ¹ , 孫在福 ¹ , 崔久崗 ¹ , 劉政義 ¹ , 趙非一 ⁴ ,  付強強 ³

1. 青島黃海學院國際商學院（山東青島 266555）;
2. 上海市長寧區疾病預防控制中心（上海 200051）;
3. 同濟大學附屬楊浦醫院全科醫學與社區衛生發展研究中心（上海 200090）;
4. 上海杉達學院護理系（上海 201209）;

關鍵詞：

中國網絡成癮發生率 Meta 分析系統評價橫斷面研究

DOI：

10.7507/1672-2531.202004188

視頻：

導出 下載 收藏 掃碼 引用

摘要 全文 圖表 視頻 參考文獻 施引文獻 補充材料

目的系統評價中國大學生網絡成癮的發生情況。方法計算機檢索 PubMed、EMbase、VIP、WanFang Data 和 CNKI 數據庫，搜集大學生網絡成癮發生率的橫斷面研究，檢索時限均為建庫至 2020 年 2 月。由 2 名研究者獨立篩選文獻、提取資料并評價納入研究的偏倚風險后，采用 Stata 16.0 軟件進行 Meta 分析。結果共納入 65 個橫斷面研究，包括 87 702 例研究對象。Meta 分析結果顯示，我國大學生網絡成癮總發生率為 10.7%［95%CI（9.6%，11.8%）］。其中，2011～2018 年網絡成癮發生率為 11.7%［95%CI（10.2%，13.2%）］高于 2005～2010 年的 9.6%［95%CI（8.1%，11.1%）］；男生為 14.6%［95%CI（13.1%，16.0%）］高于女生的 6.9%［95%CI（5.9%，7.8%）］；城鎮生源為 12.2%［95%CI（9.3%，15.2%）］高于農村生源的 9.0%［95%CI（7.3%，10.6%）］；對所學專業不滿意的學生為 16.2%［95%CI（5.5%，26.8%）］高于滿意的學生為 5.0%［95%CI（1.3%，8.8%）］；學習成績較差的學生為 29.4%［95%CI（11.9%，47%）］高于成績優秀學生的 4.1%［95%CI（1.9%，6.4%）］。結論我國大學生網絡成癮發生率呈明顯上升趨勢，各地區大學生網絡成癮發生率存在差別，不同性別、所學專業的滿意度不同及學習成績不同的大學生網絡成癮發生率不同。

引用本文： 劉奕蔓, 李麗, 馬瑜, 梁忠環, 孫在福, 崔久崗, 劉政義, 趙非一, 付強強. 中國大學生網絡成癮發生率的 Meta 分析. 中國循證醫學雜志, 2021, 21(1): 61-68. doi: 10.7507/1672-2531.202004188 復制

網絡成癮指在無成癮物質作用下對互聯網使用沖動的失控行為，表現為過度使用互聯網后導致明顯的學業、職業和社會功能損傷。網絡成癮現象的出現會導致其他精神心理問題的發病概率增加。有研究發現，大學生網絡成癮會造成學習成績下滑，出現社會適應障礙，導致身心健康受損；網絡成癮已成為影響大學生學業的主要原因之一^[1-4]。近年來關于我國大學生網絡成癮的報道較多，但不同時間、地區和調查人群的結果差異較大^[5-10]。因此，本研究采用 Meta 分析的方法對全國范圍的大學生網絡成癮的發生率進行定量分析，以期為大學生網絡成癮的防治及干預提供參考依據。

1 資料與方法

1.1 納入與排除標準

1.1.1 研究類型

橫斷面研究。

1.1.2 研究對象

中國普通高校在校學生，包括研究生、本科生、大專生和高職生^[11]。

1.1.3 診斷標準

① 網絡成癮綜合診斷問卷（IADQ）^[12]：包含 8 項題目，如果對其中 5 項做出肯定回答，則診斷為網絡成癮；② 網絡成癮損傷量表（IAT）^[12]：包含 20 項題目，采用 5 點計分方式，總分 0～30 分為非網絡成癮，31～49 分為輕度網癮，50～79 分為中度網癮，80～100 分為重度網癮；③ 中文網絡成癮量表（CIAS）^[13]：由 26 個問題組成，采用 1～4 四級評分，分數越高表示網絡成癮傾向越高，總分>58 分診斷為網絡成癮者。

1.1.4 結局指標

網絡成癮的發生率。

1.1.5 排除標準

① 數據信息不全，無法獲取完整數據的文獻；② 重復發表的文獻；③ 相關數據存在明顯異常，且與作者聯系無法獲取更多信息者。

1.2 文獻檢索策略

計算機檢索 PubMed、EMbase、VIP、WanFang Data 和 CNKI 數據庫，搜集中國大學生網絡成癮發生率的橫斷面研究，檢索時限均為建庫至 2020 年 2 月。檢索策略根據不同數據庫進行調整，另外通過谷歌學術和百度學術補充獲得相關文獻。中文檢索詞包括：高職、高校、大學、大學生、網絡成癮、網癮等；英文檢索詞包括：college student、university student、internet addition、network addiction、IAD 等。以 PubMed 為例，其具體檢索策略見框 1。

圖選項

下載全尺寸圖像

下載幻燈片

1.3 文獻篩選和資料提取

由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文以確定是否納入。如有需要，通過郵件、電話聯系原始研究作者獲取未確定但對本研究非常重要的信息。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表雜志等；② 調查對象的基線特征和診斷標準；③ 偏倚風險評價的關鍵要素；④ 所關注的結局指標和結果測量數據。

1.4 納入研究的偏倚風險評價

采用 Loney 等^[14]提出的疾病患病率或發病率研究的偏倚風險評價標準對納入研究進行偏倚風險評價。

1.5 統計分析

采用 Stata 16.0 軟件進行 Meta 分析。以發生率為效應分析統計量，并提供其 95%CI。納入研究結果間的異質性采用 χ² 檢驗進行分析（檢驗水準為 α=0.1），同時結合 I² 定量判斷異質性大小。若各研究結果間無統計學異質性，則采用固定效應模型進行 Meta 分析；若各研究結果間存在統計學異質性，則進一步分析異質性來源，在排除明顯臨床異質性的影響后，采用隨機效應模型進行 Meta 分析。Meta 分析的水準設為 α=0.05。按照調查時間、性別、地區、生源地、專業滿意度、學習成績、診斷標準進行亞組分析。

2 結果

2.1 文獻篩選流程及結果

初檢共獲得相關文獻 6 021 篇，經逐層篩選后，最終納入 65 個橫斷面研究^{[1-10, 13, 15-68]}，包括 87 702 例調查對象。文獻篩選及流程結果見圖 1。

圖1 文獻篩選流程及結果

圖選項

下載全尺寸圖像

下載幻燈片

2.2 納入研究的基本特征與偏倚風險評價結果

納入研究的基本特征與偏倚風險評價結果見表 1。

表1 　納入研究的基本特征和偏倚風險評價結果

表選項

下載CSV

表1 　納入研究的基本特征和偏倚風險評價結果

納入研究	研究對象所在地區	總樣本量（例）	網癮發生人數	網癮發生率（%）	調查人數		網癮發生人數		診斷標準	偏倚風險評價結果（分）^*
納入研究	研究對象所在地區	總樣本量（例）	網癮發生人數	網癮發生率（%）	男	女	男	女	診斷標準	偏倚風險評價結果（分）^*
周小燕2015^[1]	西北	601	117	19.5	174	427	48	69	IAT	7
趙笑顏2012^[2]	西北	1 807	200	11.1	926	881	125	75	IADQ	6
張莉娜2009^[3]	華東	1 014	119	11.7	597	417	108	11	IADQ	7
鄧偉2013^[4]	華南	1 100	100	9.1	579	521	63	37	IAT	6
周郁秋2010^[5]	東北	787	85	10.8	237	550	44	41	IAT	7
孫琳2010^[6]	華中	1 768	232	13.1	556	1 212	131	101	IAT	6
李志英2011^[7]	西北	406	110	27.1	155	251	59	51	IAT	6
黃龍2017^[8]	華東	838	114	13.6	392	446	67	47	IAT	7
何敏媚2012^[9]	華北	617	121	19.6	228	389	53	68	CLAS	6
陳佰鋒2011^[10]	華東	1 550	92	5.9	809	741	70	22	IAT	6
陳玉娟2015^[13]	華北	5 485	704	12.8	2 557	2 928	482	222	CLAS	7
鄒云飛2009^[15]	華東	1 181	126	10.7	694	487	94	32	IADQ	6
祝麗玲2005^[16]	華東	1 247	71	5.7	701	546	59	12	IADQ	5
趙曉蓉2009^[17]	華南	1 766	131	7.4	841	925	74	57	IADQ	8
張態2009^[18]	西南	965	16	1.7	338	627	15	1	IAT	7
張金沙2006^[19]	華中	746	62	8.3	287	459	48	14	IADQ	6
張貴鋒2011^[20]	華南	286	13	4.5	171	115	9	4	IADQ	6
張東枚2008^[21]	華南	387	32	8.3	168	219	15	17	IADQ	6
俞寶龍2010^[22]	華東	1 189	126	10.6	736	453	85	41	IAT	6
于慧慧2018^[23]	華東	145	15	10.3	69	76	11	4	IADQ	5
姚應水2006^[24]	華東	1 835	330	18.0	1 369	466	299	31	IAT	6
姚應水2005^[25]	華東	648	72	11.1	405	243	64	8	IADQ	7
姚建國2006^[26]	華東	536	85	15.9	261	275	49	36	IAT	6
楊弋星2014^[27]	西南	968	160	16.5	340	628	101	59	IAT	7
吳雪嵩2017^[28]	華東	1 385	90	6.5	394	991	36	54	IAT	6
吳含2014^[29]	華北	860	34	4.0	308	552	15	19	CLAS	6
王智美2011^[30]	華南	889	62	7.0	422	467	37	24	IAT	6
王小丹2010^[31]	華南	526	112	21.3	258	268	69	43	IAT	6
王基鴻2011^[32]	華南	526	112	21.3	258	268	69	43	IAT	6
田冶2011^[33]	華南	526	112	21.3	258	268	69	43	IAT	7
孫靜2008^[34]	華中	3 936	480	12.2	1 792	2 144	304	176	IADQ	7
阮俊2011^[35]	華中	310	37	11.9	206	104	29	8	IADQ	6
平衛偉2009^[36]	華北	374	21	5.6	166	208	12	9	IADQ	6
牛曉麗2010^[37]	西北	1 662	39	2.3	451	1 211	21	18	CLAS	7
聶影2008^[38]	華中	348	35	10.1	176	172	25	10	IADQ	6
梅松麗2009^[39]	東北	1 310	86	6.6	608	702	60	26	IADQ	7
羅盛2014^[40]	華東	1 026	46	4.5	384	642	31	15	IADQ	6
劉偉2010^[41]	華東	8 595	361	4.2	4 647	3 948	288	73	IAT	7
劉巍2017^[42]	東北	4 246	577	13.6	2 428	1 818	439	138	CLAS	7
劉思浚2008^[43]	華東	761	81	10.6	333	428	64	17	IAT	6
劉軍安2009^[44]	華中	434	20	4.6	207	227	15	5	IAT	6
梁學明2013^[45]	華南	301	12	4.0	143	158	10	2	IAT	6
李強2014^[46]	華中	947	128	13.5	436	511	85	43	IAT	6
李黎2011^[47]	華東	735	77	10.5	278	457	43	34	IADQ	6
李輝2006^[48]	華東	1 646	260	15.8	982	664	229	31	IADQ	7
李鳳娟2017^[49]	華中	2 687	160	6.0	1 087	1 600	93	67	IADQ	8
李超威2006^[50]	華南	453	50	11.0	219	234	35	15	IADQ	6
黎明2017^[51]	華東	443	61	13.8	86	357	22	39	IAT	6
雷鳴2006^[52]	華南	803	77	9.6	519	284	59	18	IADQ	8
雷鳴2012^[53]	華南	839	56	6.7	532	307	34	22	IAT	6
胡偉2014^[54]	華東	523	66	12.6	298	225	56	10	CLAS	6
郝玲2016^[55]	華東	680	92	13.5	42	638	9	83	CLAS	6
郝峰2016^[56]	東北	287	88	30.7	98	189	36	52	IADQ	4
高允鎖2011^[57]	華南	526	112	21.3	258	268	69	43	IAT	6
高燕2008^[58]	東北	1 227	96	7.8	403	824	51	45	IADQ	8
高飛2006^[59]	西北	712	69	9.7	345	367	51	18	IADQ	6
高昶2009^[60]	山東	424	56	13.2	274	150	44	12	IAT	6
高斌2009^[61]	華東	683	81	11.9	306	377	51	30	IAT	6
鄧偉2013^[62]	華南	2 161	259	12.0	1 114	1 047	174	85	IADQ	7
戴琴2011^[63]	西南	355	11	3.1	191	164	10	1	IADQ	6
叢建妮2016^[64]	華東	567	31	5.5	172	395	13	18	IAT	7
陳軍2008^[65]	華東	705	28	4.0	364	341	22	6	IADQ	7
Wu 2016^[66]	華東	10 158	1 059	10.4	4 716	5 442	526	533	IAT	7
Ni 2009^[67]	西北	3 557	229	6.4	2 425	1 132	160	69	IAT	7
Jiang 2012^[68]	華東	697	48	6.9	382	315	39	9	CLAS	7
IAT：網絡成癮損傷量表；IADQ：網絡成癮綜合診斷問卷；CIAS：中文網絡成癮量表；*：從研究方法的有效性、結果的合理性和適用范圍 3 個方面設置了 8 個條目，每個條目 1 分，總分 0～8 分，得分越高表示研究偏倚風險越小；條目：① 研究是隨機樣本或者總體；② 研究是否是無偏的樣本框架（例普查數據）；③ 是否有充足的樣本量（>300）；④ 是否采用客觀、適宜和標準的方法來測量健康結果；⑤ 結果評估人員基線一致；⑥ 足夠的應答率（>70%），是否描述了無應答人員；⑦ 結果是否以置信區間或亞組分析詳細給出；⑧ 研究對象設定的詳細描述。

2.3 Meta 分析結果

2.3.1 總發生率

共納入 65 個研究^{[1-10, 13, 15-68]}，包括 87 702 例大學生。隨機效應模型 Meta 分析結果顯示：我國大學生網絡成癮總發生率為 10.7%［95%CI（9.6%，11.8%）］（表 2）。

表2 　大學生網絡成癮發生率的 Meta 分析結果

表選項

下載CSV

表2 　大學生網絡成癮發生率的 Meta 分析結果

結局指標	納入研究數	異質性檢驗結果		效應模型	Meta 分析結果
結局指標	納入研究數	P 值	I² 值	效應模型	發生率（95%CI）
總發生率	65^{[1-10, 13, 15-68]}	<0.000 1	97.3%	隨機	0.107（0.096，0.118）
地區
東北	5^{[5, 39, 42, 56, 58]}	<0.000 1	97.0%	隨機	0.131（0.088，0.174）
華北	4^{[9, 13, 29, 36]}	<0.000 1	98.3%	隨機	0.104（0.044，0.164）
華東	25^{[3, 8, 10, 15, 16, 22-26, 28, 40, 41, 43, 47, 48, 51, 54, 55, 60, 61, 64, 66, 68]}	<0.000 1	97.0%	隨機	0.102（0.085，0.118）
華南	14^{[4, 17, 20, 21, 30-33, 45, 50, 52, 53, 57, 62]}	<0.000 1	95.0%	隨機	0.115（0.090，0.140）
華中	8^{[6, 19, 34, 35, 38, 44, 46, 49]}	<0.000 1	95.2%	隨機	0.099（0.730，0.126）
西北	6^{[1, 2, 7, 37, 59, 67]}	<0.000 1	98.4%	隨機	0.123（0.079，0.167）
西南	3^{[18, 27, 63]}	<0.000 1	98.6%	隨機	0.070（0.001，0.146）
調查時間（年）
2005～2010	31^{[3, 5, 6, 15-19, 21, 22, 24-26, 31, 34, 36-39, 41, 43, 44, 48, 50, 52, 58-61, 65, 67]}	<0.000 1	97.4%	隨機	0.096（0.081，0.111）
2011～2018	34^{[1, 2, 4, 7-10, 13, 20, 23, 27-30, 32, 33, 35, 40, 42, 45-47, 49, 51, 53-57, 62-64, 66, 68]}	<0.000 1	96.5%	隨機	0.117（0.102，0.132）
性別
男	65^{[1-10, 13, 15-68]}	<0.000 1	95.5%	隨機	0.146（0.131，0.160）
女	65^{[1-10, 13, 15-68]}	<0.000 1	96.3%	隨機	0.069（0.059，0.078）
生源地
城鎮	22^{[6, 8, 9, 13, 21-23, 28, 29, 34, 37, 38, 42, 44, 46, 49, 51, 55, 57, 59, 61, 64]}	<0.000 1	97.3%	隨機	0.122（0.093，0.152）
農村	22^{[6, 8, 9, 13, 21-23, 28, 29, 34, 37, 38, 42, 44, 46, 49, 51, 55, 57, 59, 61, 64]}	<0.000 1	93.4%	隨機	0.090（0.073，0.106）
專業滿意度
滿意	5^{[6, 28, 44, 64, 65]}	<0.000 1	91.8%	隨機	0.050（0.013，0.088）
一般	5^{[6, 28, 44, 64, 65]}	<0.000 1	93.8%	隨機	0.077（0.034，0.120）
不滿意	5^{[6, 28, 44, 64, 65]}	<0.000 1	89.8%	隨機	0.162（0.055，0.268）
學習成績
優秀	6^{[6, 13, 37, 42, 49, 65]}	<0.000 1	93.0%	隨機	0.041（0.019，0.064）
一般	6^{[6, 13, 37, 42, 49, 65]}	<0.000 1	98.6%	隨機	0.076（0.036，0.116）
差	6^{[6, 13, 37, 42, 49, 65]}	<0.000 1	99.1%	隨機	0.294（0.119，0.470）
診斷標準
IADQ	27^{[2, 15-17, 19-21, 23, 25, 34-36, 38-40, 47-50, 52, 56, 58, 59, 62, 63, 65]}	<0.000 1	94.1%	隨機	0.093（0.080，0.107）
IAT	30^{[1, 4-8, 10, 18, 22, 24, 26, 28, 30-33, 41, 43-46, 51, 53, 57, 60, 61, 64, 66, 67]}	<0.000 1	97.8%	隨機	0.119（0.102，0.137）
CLAS	8^{[9, 13, 29, 37, 42, 54, 55, 68]}	<0.000 1	98.8%	隨機	0.107（0.096，0.118）
IAT：網絡成癮損傷量表；IADQ：網絡成癮綜合診斷問卷；CIAS：中文網絡成癮量表。

2.3.2 亞組分析

按不同調查地區、時間、性別、生源地、對專業的滿意度、學習成績等進行亞組分析，結果分別如下。

2.3.2.1 調查地區

隨機效應模型 Meta 分析結果顯示：東北地區大學生網絡成癮發生率最高為 13.1%［95%CI（8.8%，17.4%）］，其次是西北地區為 12.3%［95%CI（7.9%，16.7%）］、華南地區為 11.5%［95%CI（9.0%，14.0%）］、華北地區為 10.4%［95%CI（4.4%，16.4%）］、華東地區為 10.2%［95%CI（8.5%，11.8%）］和華中地區為 9.9%［95%CI（7.3%，12.6%）］，西南地區最低為 7%［95%CI（0.6%，14.6%）］。

2.3.2.2 調查時間

隨機效應模型 Meta 分析結果顯示：2011～2018 年大學生網癮發生率為 11.7%［95%CI（10.2%，13.2%）］，2005～2010 年為 9.6%［95%CI（8.1%，11.1%）］。

2.3.2.3 性別

隨機效應模型 Meta 分析結果顯示：男生網絡成癮發生率為 14.6%［95%CI（13.1%，16.0%）］，女生為 6.9%［95%CI（5.9%，7.8%）］。

2.3.2.4 生源地

隨機效應模型 Meta 分析結果顯示：城鎮生源大學生網絡成癮發生率為 12.2%［95%CI（9.3%，15.2%）］，農村生源為 9.0%［95%CI（7.3%，10.6%）］。

2.3.2.5 專業滿意度

隨機效應模型 Meta 分析結果顯示：對所學專業滿意的大學生網癮發生率為 5.0%［95%CI（1.3%，8.8%）］，滿意度一般的大學生網癮發生率為 7.7%［95%CI（3.4%，12%）］，不滿意的大學生網癮發生率為 16.2%［95%CI（5.5%，26.8%）］。

2.3.2.6 學習成績

隨機效應模型 Meta 分析結果顯示：學習成績較差的學生網絡成癮率最高為 29.4%［95%CI（11.9%，47%）］，成績一般的為 7.6%［95%CI（3.6%，11.6%）］，成績優秀的為 4.1%［95%CI（1.9%，6.4%）］。

2.3.2.7 診斷標準

隨機效應模型 Meta 分析結果顯示：以 IADQ 為診斷標準的大學生網絡成癮發生率為 9.3%［95%CI（8.0%，10.7%）］，IAT 為 11.9%［95%CI（10.2%，13.7%）］，CLAS 為 10.7%［95%CI（9.6%，11.8%）］。

3 討論

我國《第 43 次中國互聯網絡發展狀況統計報告》^[69]顯示，截至 2019 年 12 月，我國網民規模達到 8.29 億。大學生群體一直是網絡使用的主力軍，也是網絡成癮的高危人群，大學生網絡成癮已成為社會重點關注問題之一^[23]。為進一步了解我國大學生的網絡成癮發生情況，我們采用 Meta 分析的方法對已發表的我國大學生網絡成癮發生率的文獻進行系統評價，為盡早采取有針對性預防和干預措施提供參考。

本研究匯總分析了 2005～2018 年全國 18 個省（市、自治區）的 65 個研究發現我國大學生網絡成癮總發生率為 10.7%，與沙特阿拉伯（12.4%）^[70]、智利（11.5%）^[71]、美國（12%）^[72]及日本（15%）^[73]的大學生網癮發生率類似，但高于西班牙（6.08%）、低于伊朗（40.7%）^[74]的大學生網癮發生率。李振英^[75]和劉玉紅^[76]調查顯示，北京中學生網絡成癮發生率分別為 9.64% 和 14.5%，與我國大學生網絡成癮發生率相仿。

本研究發現不同地區大學生網絡成癮發生率約在 7%～15% 之間，東北地區大學生網癮發生率最高，西南地區最低，華東、華北、華中、華南地區大學生網癮發生率相近，在 10% 左右。東北、西南地區納入研究和樣本量較少，可能是其發生率與總人群發生率相差較大的原因。

2011～2018 年大學生網絡成癮發生率明顯高于 2005～2010 發生率，可能與近年來互聯網的快速普及和發展，以及 2011 年以后移動智能設備的廣泛使用有關。男生網絡成癮發生率明顯高于女生，其原因可能與男女生之間的個性差異有關，一方面男生在遇到應激生活事件時，對社會支持的利用度不夠，常采取消極的應對方式，如通過上網來緩解心理沖突等，更容易導致網絡成癮；另一方面可能因為男生玩網絡游戲更多，導致網絡成癮的發生^[77]。生源地為城鎮的大學生網絡成癮發生率比生源地為農村的大學生高，可能與城市學生經濟條件比農村好，接觸網絡時間較長，且家庭條件富裕也為長期上網提供了經濟條件。

大學生網癮發生率與對所學專業的滿意度和學習成績有關，隨專業滿意度及學習成績的提高，網絡成癮的發生率逐漸降低；可能的原因是大學生不滿意自己所學專業，不愿在專業上付出努力，轉而通過上網等方式打發時間，導致其學業成績較差，進而又加劇其對學習的反感，形成惡性循環，導致網癮發生。

本研究的局限性：① 納入研究均為橫斷面研究，受研究設計限制，選擇、測量等偏倚無法避免；② 納入大學生學歷、年齡、背景等基線情況不完全可比，但由于干擾因素太多，無法逐一進行分析；③ 當前尚無統一的網絡成癮診斷標準，且診斷受主觀因素影響較大，可能影響結論的準確性。

綜上所述，當前證據表明我國大學生網絡成癮總體發生率為 10.7%，且呈現明顯上升趨勢，各地區大學生網絡成癮發生率存在差別，不同性別、所學專業的滿意度及學習成績的大學生網絡成癮發生率不同。影響大學生網絡成癮的因素復雜多樣，建議學生家庭、學校和社會給予高度重視及關注，引導其樹立正確的人生觀及價值觀。