Internet Addiction among Senior Medical Students in King Abdulaziz University, Prevalence and Association with Depression
Notice bibliographique
Résumé
INTRODUCTION: Excessive internet use can lead to negative outcomes such as poor academic performance and social isolation. Objectives: To estimate the prevalence of the internet addiction and to explore the factors associated with depression among medical students, King Abdul-Aziz University, Jeddah, Saudi Arabia.METHODS: The total number of senior medical students was 1049 in the academic years 2013-2014. An analytical cross sectional study was adopted. Stratified sampling technique with proportional allocation to recruit medical students. A self-administered questionnaire was used which adopted the 20-item Young’s internet addiction test (IAT) to explore the internet addictions, while the existence of depression was assessed using the centre for epidemiological studies depression scale (CES-D).RESULTS: The study included 161 medical students, making the response rate of 78.2%. Majority (94.4%) had computer and 99.4% were using the internet. Community sites ranked first (40.6%), whereas general sites, chatting and emailing were preferred by 14.4%, 10% and 10% respectively. Internet addiction was reported among only five students (3.1%). Possible addiction was reported among 74 students (46.3%). Male students (66.2%) were more addicts to internet than females (44.6%) (P=0.007). The 4th year students reported the highest rate of internet addiction or possible addiction (70.3%) (P=0.003). All internet addicts were depressed, whereas 74.1% of possible addicts and 62.2% of non addicts were depressed (P=0.088). However, the trend in the prevalence of depression in the three different situations was statistically significant (P=0.034).CONCLUSION: Internet addiction is growing hidden problem, which has psychological and social impact on medical students and requires preventive strategies and therapeutic interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».