体力活动、饮食、吸烟、饮酒、超重肥胖等生活方式是可改变的慢性病行为危险因素^[1]。大量研究表明健康生活方式有助于降低2型糖尿病、心血管疾病、癌症等慢性病的发病和死亡风险、提高人群期望寿命，并且具有的健康生活方式数量越多，死亡风险越低^[2-6]。随着“互联网+”时代发展，网络视频、网上外卖、网约车、在线教育和医疗、互联网政务等新兴业态蓬勃发展，用户数量均已超亿人^[7]，互联网已广泛融入普通人群的日常生活，一种新型的“互联网+”社会环境日渐生成。成年人使用互联网增加肥胖风险^[8]，也可能由于互联网接触到更丰富的健康信息、设备和服务而改变生活方式^[9]。本研究根据“互联网+”新业态发展背景，在互联网产业较为发达的杭州市开展社区人群问卷调查，探讨成年人互联网使用与健康生活方式的关系，为今后开展人群健康行为干预提供思路和方向。

对象与方法

1. 研究对象：2022年5-8月以杭州市两个中心城区（拱墅区和西湖区）30个街道为调查现场，采用整群随机抽样方法在每个街道单纯随机抽取3个社区，基于摸排的社区人口底数和固定抽样种子数生成的随机数字，赋予社区中每个家庭户一个编码，然后从每个社区单纯随机抽取20户家庭，采用Kish抽样方法调查每个家庭成员的年龄和性别，将18~64岁常住人员按照先男性后女性、年龄先大后小的顺序编号，根据户编码和Kish抽样表每个家庭选取1名18~64岁的常住居民^[10]。长期卧病在床或患有严重精神障碍的社区居民不纳入调查。本研究通过了杭州市CDC伦理委员会审查（批准文号：2019-17），调查对象均签署知情同意书。

2. 研究方法：由经过统一培训的调查员使用平板电脑入户开展Kish抽样与问卷调查。问卷内容包括一般社会人口学信息（年龄、性别、婚姻状况、文化程度、工作状况、家庭人均年收入）、生活质量、慢性病史（高血压、糖尿病、高血脂、心脑血管疾病、慢性阻塞性肺疾病、肾脏疾病、肿瘤、其他共8类慢性病）、生活方式和互联网使用等。

（1）样本量估算：根据现况研究样本量计算公式，取显著性水平（α=0.05，z=1.96，容许误差d=0.1p），参考杭州市城区既往人群调查结果，6种行为危险因素发生率中吸烟率（20.1%）最低^[11]，设现患率p=0.2，q=1-p=0.8，估算样本量n=1 600，并考虑拒访率为15%，最终确定调查样本量为1 800名。

（2）生活方式相关因素评估：①体力活动：采用国际体力活动问卷（IPAQ）短卷统计过去7 d高强度体力活动、中等强度体力活动和步行的天数及日均时间，按照系数换算成身体活动代谢当量（MET），并根据IPAQ工作组推荐标准将体力活动水平分为低、中、高3级^[12]。②膳食习惯：采用食物频率法统计通常每周摄入10类食物[蔬菜（含100%纯蔬菜汁）、水果（含100%纯果汁）、豆类/豆制品及坚果、豆浆/牛奶、全麦谷类食物、甜点/糖果/蜜饯、高脂食物、高盐食物、含糖饮料、油炸食物]的天数、平均每日蔬菜和水果摄入份数，并采用图示法举例1份含义如约为一个苹果大小（150 g）。③吸烟状况：通过问卷中的1个问题“您目前是否吸任何烟草制品，如香烟、雪茄或烟斗”评价。④饮酒：通过问卷中的2个问题统计过去一个月是否饮酒及饮酒量。调查对象的腰围由调查员现场测量，身高和体重则由调查对象自报。

（3）互联网使用测量：采用自行编制的互联网使用问卷测量调查对象过去7 d工作日和非工作日的手机和电脑上网时间，过去7 d通过互联网进行的通讯（打电话/发消息/收发邮件）、办公（网络会议/政务处理）、在线教育（网络课程）、看新闻小说/检索信息、听音乐、看电影/电视/综艺节目、看短视频或直播（抖音/快手等）、玩游戏、购物、网约车、借共享单车、在线医疗共12种活动的天数。2022年3-4月在杭州市拱墅区采用方便抽样法选取150名18~64岁居民，使用该问卷开展间隔7 d的两次重复调查。将手机系统自动记录的第2次调查前7 d手机屏幕使用时间（h/周）作为参考标准，重复调查结果显示该问卷条目的组内相关系数均 > 0.40，问卷测量的每周上网总时间（h/周）与手机测量值之间的Spearman秩相关系数为0.47，Bland-Altman图一致性为94.57%，提示问卷重测信度和标准效度良好。

（4）指标定义：①积极体力活动：IPAQ短卷评估的体力活动水平为中等或高级别。②健康膳食习惯：参考《中国居民膳食指南（2022）》^[13]和本研究人群的分布情况，根据食物摄入的频率计算得分，包括每日足量摄入蔬菜/水果（蔬菜≥3份/d和水果≥2份/d）、经常吃豆类/豆制品及坚果、豆浆/牛奶和全麦谷类食物（≥4 d/周）、少吃甜点/糖果/蜜饯和含糖饮料（≤2 d/周）、少吃高脂油炸食物（≤2 d/周）、少吃高盐食物（≤2 d/周）。每符合一条计1分，分值范围为0~5分。③不吸烟：现在不吸任何烟草。④不饮酒：过去一个月没有喝过酒^[14]。⑤正常体重：根据体重（kg）除以身高（m）的平方计算得到BMI（kg/m²），根据中国成年人体重判定标准，BMI在18.5~23.9 kg/m²范围内为正常体重^[15]。⑥正常腰围：男性腰围 < 85 cm，女性腰围 < 80 cm^[16]。⑦健康生活方式得分：前述①~⑥符合赋值1分，不符合赋值0分，相加得到健康生活方式得分，分值范围为0~6分，分值越高代表具有健康生活方式数量越多，按百分位数（< P₂₅，P₂₅~，P₇₅~）分为3组（0~、3~、5~6分）^[17]。⑧互联网使用时间^[18-19]：计算过去7 d平均每日互联网使用时间=（工作日电脑上网日均时间×工作日天数+工作日手机上网日均时间×工作日天数+非工作日电脑上网日均时间×非工作日天数+非工作日手机上网日均时间×非工作日天数）÷7，按百分位数（< P₂₅，P₂₅~，P₇₅~）分为3组（< 2.5、2.5~、≥8.5 h/d）。⑨互联网使用类型^[20-21]：对12类互联网使用活动进行主成分法因子分析，KMO为0.793，Bartlett球形检验P < 0.001，说明适合因子分析。经过特征值判定（> 1）、碎石图检验、方差最大正交旋转因子确定3个公因子。基于3个公因子进行K-均值聚类，得到3种互联网使用类型：类型1是通讯、办公、在线教育和看新闻小说/检索信息频率高于平均值的工作学习型；类型2是每种互联网活动频率均高于平均值的全面覆盖型；类型3是看电影/电视/综艺节目、看短视频或直播和玩游戏频率高于平均值的视频游戏型。

3. 统计学分析：导出电子问卷的调查数据，使用R 4.2.2软件进行数据清理与统计学分析，使用SPSS 22.0软件进行K-均值聚类分析。采用Kruskal-Wallis检验比较不同健康生活方式得分的分组之间基本特征的差异。以健康生活方式为因变量，采用二分类logistic回归模型分析互联网使用（时间、类型）与单项健康生活方式（积极体力活动、健康膳食习惯、不吸烟、不饮酒、正常体重和正常腰围）之间的关联，模型1调整社会人口学因素和慢性病史，模型2在模型1的基础上调整其他健康生活方式。考虑到健康生活方式得分与互联网使用可能存在非线性关系，采用无序多分类logistic回归模型分析互联网使用（时间、类型）与健康生活方式得分之间的关联，以健康生活方式得分0~2分组为参照组，模型中均调整社会人口学因素和慢性病史。变量赋值见表 1。双侧检验，检验水准α=0.05。

结果

1. 基本特征：共1 624名研究对象完成问卷调查，42.67%为男性，18~44岁占56.34%，大专及以上文化程度占61.58%。互联网使用时间为2.5~8.4 h/d占49.75%。12种互联网使用内容的主成分因子分析得到3个公因子，方差贡献率分别为17.95%、15.13%和14.09%，累积方差贡献率为47.17%。根据3个公因子的K-均值聚类得到工作学习型、全面覆盖型和视频游戏型3种互联网使用类型，比例分别为43.22%（702名）、13.98%（227名）和42.80%（695名）。6种健康生活方式即积极体力活动、健康膳食习惯、不吸烟、不饮酒、正常体重和正常腰围的比例分别为79.31%（1 288名）、54.86%（891名）、83.99%（1 364名）、70.57%（1 146名）、59.91%（973名）和57.57%（935名）。健康生活方式得分为0~、3~、5~6分的人数分别为215、747、662名。健康生活方式得分为5~6分人群中女性（P < 0.001）、已婚（P=0.018）、大专及以上文化程度（P < 0.001）、在职（P=0.009）、无慢性病史（P < 0.001）、工作学习型互联网使用（P < 0.001）的比例高。见表 2。

2. 互联网使用与单项健康生活方式的关联：经多因素调整后，与较少时间（< 2.5 h/d）互联网使用者相比，较长时间（≥8.5 h/d）互联网使用者具有正常体重的可能更低，关联效应有统计学意义（OR=0.59，95%CI：0.41~0.85，P=0.005），中等时间（2.5~8.4 h/d）互联网使用与6种健康生活方式之间无统计学关联。与工作学习型互联网使用者相比，全面覆盖型互联网使用者具有健康膳食习惯（OR=0.63，95%CI：0.46~0.86，P=0.004）、不饮酒（OR=0.68，95%CI：0.47~0.99，P=0.041）和正常腰围（OR=0.59，95%CI：0.42~0.84，P=0.004）的可能更低，视频游戏型互联网使用者具有积极体力活动（OR=0.73，95%CI：0.55~0.97，P=0.028）和健康膳食习惯（OR=0.79，95%CI：0.62~0.99，P=0.044）的可能更低。见表 3。

3. 互联网使用与多项健康生活方式的关联：以健康生活方式得分0~2分人群为参照，无序多分类logistic回归模型调整性别、年龄组、婚姻状况、文化程度、工作状况、家庭人均年收入、慢性病史，较长时间（≥8.5 h/d）互联网使用者（P=0.035）和全面覆盖型互联网使用者（P=0.001）具有健康生活方式得分5~6分的可能更低，关联效应OR值（95%CI）分别为0.55（0.32~0.96）和0.40（0.23~0.69）。互联网使用时间或类型与健康生活方式得分3~4分的关联无统计学意义。见表 4。

讨论

本研究通过人群现场调查，分析成年人互联网使用时间和类型与健康生活方式的关联性，结果显示互联网时间过长（≥8.5 h/d）、全面覆盖型互联网使用和游戏视频型互联网使用均与一项或多项健康生活方式的可能性降低存在关联。说明在互联网日趋普及的时代，在充分利用“互联网+”带来的益处时，应适当控制互联网使用时间和范围，促进高水平的健康生活方式。

当前“互联网+”新业态蓬勃发展，成年人互联网使用的频率和内容都在发生变化。已有研究显示，使用2个问题“过去一周上网天数多少？”和“过去一周上网日子里每天上网时间多少？”^[18]、5分类（从不/每月少于1次/每月至少1次/每周至少1次/每天）评价上网频率^[22]、或询问列举的若干种上网活动频率^[20]等方式定量或半定量测量互联网使用情况较为常见。本研究采用自行编制的互联网使用问卷测量调查对象过去一周互联网使用总时间和12种类型互联网使用活动时间，能相对完整反映成年人一般互联网使用情况。Vandelanotte等^[18]报道的互联网使用问卷重测信度为0.62，以日记作为标准的标准关联效度为0.60，与本研究问卷的信效度较为一致，说明本问卷具有较好的人群适应性。

互联网使用时间与肥胖的关联已被多项人群研究证明。Aghasi等^[23]对2019年之前发表的互联网使用与超重肥胖相关研究进行Meta分析，结果表明互联网使用时间≥5.0 h/d易发生超重肥胖，并与超重肥胖风险存在线性剂量反应关系。2020年中国家庭追踪调查发现不同年龄段人群的互联网使用时间越长，体重增加风险越高，尤其对老年群体影响更为明显^[24]。本研究还发现互联网使用时间≥8.5 h/d的成年人具有正常体重的可能更低，与同类研究结果较为一致。

本研究发现视频游戏型互联网使用者具有积极体力活动的可能更低，互联网使用时间与积极体力活动无统计学关联。而2017年中国综合社会调查、2018年中国健康与养老追踪调查（CHARLS）和2011年中国台湾地区社会变化调查均发现我国中老年人群互联网使用频率与体力活动频率呈正相关，2018年CHARLS还发现中老年人网络聊天、网上看新闻和视频与身体锻炼呈正相关，网络游戏与身体锻炼无统计学关联^[25-27]。2017年德国的一项调查也显示，17~20岁人群互联网使用时间与体力活动时间正相关，21~60岁人群互联网使用时间与体力活动时间无统计学关联^[19]。本研究与其他研究结果存在不一致，这可能与互联网使用和体力活动的定义不同有关。

本研究将工作学习型互联网使用者作为参照，调整其他因素后发现视频游戏型和全面覆盖型互联网使用者具有健康膳食习惯的可能均更低，全面覆盖型互联网使用者具有正常腰围、5~6种健康生活方式的可能性更低。这提示我们虽然研究表明互联网使用有助于获取合理膳食知识^[28]、促进健康生活方式形成^[9]，但在“互联网+”时代，生活中频繁使用网约车、网上订外卖、网上购物等服务会在一定程度上减少了交通性和家务性体力活动机会，同时由于外卖熟食通常能量密度高而营养成分低，增加了不健康饮食机会和中心性肥胖风险^[29-31]。此外观看大量的视频游戏会投入较多时间，减少营养膳食的摄取时间，并且网上视频传播的健康信息质量良莠不齐^[32]，可能误导观众的健康饮食选择。

本研究尚未发现互联网使用与不吸烟存在统计学关联，中国台湾地区2011年社会变化调查结果也表明 > 40岁人群经常使用互联网与吸烟之间无统计学关联^[27]，儿童青少年网络成瘾与吸烟有统计学关联^[33]，提示互联网使用对吸烟的影响可能存在年龄差异。本研究还发现全面覆盖型互联网使用者比工作学习型互联网使用者的不饮酒可能性更低，19项网络社交媒体使用与饮酒相关研究的Meta分析也表明年轻人与酒精相关的社交媒体参与度越高，自我报告的饮酒和酒精相关问题就越多，提示成年人过度互联网使用与饮酒行为之间存在关联。

本研究存在局限性。第一，作为横断面问卷调查，互联网使用与健康行为的测量具有回忆偏倚，因果关联性较弱；第二，采用自报的身高和体重评估肥胖情况，可能与真实情况存在较大偏差，从而影响互联网使用与正常体重的关联准确性；第三，研究样本从互联网产业较为发达的杭州市30个街道90个社区中通过随机抽样获得，具有一定的人群代表性，但结论外推至互联网相对落后区域人群受限，有待今后在更广泛人群中开展前瞻性研究加以验证。

利益冲突   所有作者声明无利益冲突

作者贡献声明  任艳军、徐虹：研究设计，数据整理、统计学分析、论文撰写；周晓红、盛雪飞、赵媛媛、章华米、何宝华、苏幸：现场调查、数据收集；吕筠：研究指导、论文修改