Prevalence and Effect of Social Media on Sleep among Students of Higher Institutions in Sokoto Metropolis, Sokoto State Nigeria
Notice bibliographique
Résumé
Background: Social media use is a very popular leisure activity that is common amongst young people globally. There is increasing evidence that students spend several hours daily on social media with affectation of sleep duration. Sleep duration of 7 to 9 hours daily is needed for normal healthy function of the human body. This study was conducted to determine the effect of social media on sleep pattern among students of higher institutions in Sokoto metropolis, Sokoto State. Methods: This was a cross sectional descriptive study carried out among 381 students of higher institutions in Sokoto metropolis using multistage sampling technique. Frequencies of the various variables were tabulated and chi-square tests were done as appropriate. Results: About 67.4% of the respondents were within the age group 20-24 years. A total of 97.9% of the respondents used social media with WhatsApp ((84.9%) and Facebook ((81.7%) being the commonly used platforms. More than a quarter ((27.4%) used social media for more than 3 hours in a day. About 92% of the respondents used social media at night. Almost half of the respondents who used social media at night have their sleep duration affected by its use. Those using it for more than 2 hours at night were 5 times more likely to have sleep affectation ((AOR=2.9 – 7.3, p<0.000). Conclusion: The study demonstrated high prevalence of social media use amongst students of higher institutions in Sokoto with a significant proportion of them having sleep duration shortened. Schools and the general public should be made to create awareness on the negative impact of using social media among students especially at night.
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 | 0,020 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| 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 ».