Соцсети и депрессия у взрослых: анализ 183 000 человек за 11 лет

Команда Мартина Блока из Северо-Западного университета вместе с Викрамом Сурешем и Хансом Брайтером из Университета Цинциннати разобрала 11 ежегодных опросов американских взрослых 18-70 лет, собранных с 2014 по 2024 год. Всего в анализ вошли 183 300 человек. Работа опубликована в журнале npj Mental Health Research. Ежедневное время в социальных сетях устойчиво связано с самоотчётной депрессией, а с 2019 по 2024 год оно стабильно входило в четвёрку сильнейших предикторов: в 2014-м оно было лишь девятым.

Что именно измерили и что получилось

Данные взяты из ежегодного опроса Media Behavior and Influence Study, который компания Prosper Analytics проводила каждый январь и февраль. Участники отвечали «да» или «нет» на вопрос о 31 состоянии здоровья, включая депрессию, и оценивали вероятность разных медиазанятий в расчёте на час в типичный будний и выходной день. Из этих оценок авторы считали среднее число минут в соцсетях, интернете, у телевизора, в играх, почте и новостях.

Доля сообщавших о депрессии выросла с 15,1% в 2014 году до 22,0% в 2024-м, причём рост шёл и до пандемии, и после её начала. После поправки на демографию каждый дополнительный час в соцсетях в день связан примерно с 17% повышением шансов, а не вероятности, сообщить о депрессии.

Для каждого года исследователи обучали модель balanced random forest: она строит много деревьев решений на равных выборках тех, кто сообщил о депрессии, и тех, кто не сообщал, чтобы многочисленная «здоровая» группа не подавляла предсказания. Точность моделей составила 0,71-0,75, AUROC (мера различения групп, где 0,5 означает случайное угадывание, а 1,0 идеальную сортировку) - 0,65-0,73. Модель, обученная только на данных 2014-2018 годов, на опросах 2019-2024 годов работала почти так же: 0,68-0,72. Значит, связь медиапривычек, демографии и депрессии оставалась стабильной на десятилетнем отрезке. Удаление волн 2020-2021 годов и учёт пандемии как отдельного фактора картину не меняли.

По суммарной важности признаков за десятилетие первое место занял личный доход, второе место у времени в соцсетях, далее идут общий интернет и возраст. Заметный сдвиг показал метод SHAP (Shapley Additive Explanations, приём из теории игр, показывающий, насколько каждая переменная сдвигает предсказание вверх или вниз): ниже примерно 150 минут в день вклад соцсетей в предсказание депрессии был почти нейтральным, а после двух с половиной часов устойчиво рос. Авторы подчёркивают, что порог 150 минут - гипотеза для проверки, а не установленный безопасный лимит.

Почему связь устойчива, но не доказывает причинность

Дизайн повторяющийся кросс-секционный: каждый год опрашивали новую группу людей, а не одних и тех же. Поэтому установить направление связи нельзя. Возможна и обратная логика: человек с депрессивными симптомами может уходить в телефон за отвлечением или общением, когда живое общение даётся тяжело. Работать может и петля в обе стороны.

Смысл метода проще показать на условном примере. Представим, что мы каждый январь и февраль опрашиваем новый случайный набор горожан о времени в соцсетях и настроении, и каждый год среди тех, кто проводит в лентах больше трёх часов, доля жалующихся на подавленность выше. Это устойчивая закономерность на уровне популяции, но она ничего не говорит о конкретном человеке: мы не следили, что случилось раньше, три часа в ленте или плохое настроение. Условная аналогия: по тому, что зонты чаще встречаются у людей под дождём, нельзя сказать, притягивают ли зонты дождь.

Есть и другие ограничения. Депрессию оценивали одним вопросом «да/нет», без клинического интервью, поэтому лёгкие симптомы могли уйти, а самодиагнозы попасть в выборку. Время в медиа считалось по самоотчёту и только за январь и февраль. Выборка из коммерческой панели, которую набирали через клиентские базы, соцсети и прямую почту, уравновешена лишь по возрасту и полу, а набор частично через соцсети мог сместить её к активным пользователям. Опрос не разделял пассивный скроллинг и активное общение, так что неизвестно, какая именно привычка даёт связь. Авторы отдельно предупреждают: высокая важность признака в модели может отражать разброс поведения в популяции, а не гарантию того, что отказ от привычки снизит депрессию.

Результат расходится с рядом других работ. В дневниковом исследовании 2018 года 125 студентов, у которых семь раз в день в течение двух недель спрашивали о состоянии, одиночество и усталость предсказывали более пассивный скроллинг, но сам скроллинг не предсказывал последующего роста депрессии или стресса. Продольное исследование 2020 года у подростков не нашло связи роста времени в соцсетях с ростом тревоги и депрессии, а работа 2025 года с объективным трекингом экранного времени не выявила значимой связи с депрессией. Выборки и методы там другие, поэтому противоречие остаётся открытым.

Авторы предлагают продолжить продольными и экспериментальными исследованиями с отслеживанием одних и тех же людей во времени и проверкой, даёт ли удержание ниже отметки 150 минут измеримую пользу. Тем, кто сам считает данные по таким опросам и подбирает статистические модели, может пригодиться статистический анализ данных для научной работы: алгоритмы вроде random forest и объяснения SHAP требуют аккуратной проверки, прежде чем делать выводы.