MétaCan
Menu
Retour à la cohorte
Enregistrement W3202428209 · doi:10.2196/25662

Effect of Electronic Device Addiction on Sleep Quality and Academic Performance Among Health Care Students: Cross-sectional Study

2021· article· en· W3202428209 sur OpenAlexvenueno aff
Sultan Qanash, Faisal Al-Husayni, Haneen Falata, Ohud Halawani, Enas Jahra, Boshra Murshed, Faris Alhejaili, Alaa Ghabashi, Hashem Alhashmi

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPittsburgh Sleep Quality IndexCross-sectional studySleep hygieneOdds ratioMedicineOddsBedtimeLogistic regressionAddictionSleep (system call)GerontologyPsychologySleep qualityPsychiatryInternal medicineCognition

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sleep quality ensures better physical and psychological well-being. It is regulated through endogenous hemostatic, neurogenic, and circadian processes. Nonetheless, environmental and behavioral factors also play a role in sleep hygiene. Electronic device use is increasing rapidly and has been linked to many adverse effects, raising public health concerns. OBJECTIVE: This study aimed to investigate the impact of electronic device addiction on sleep quality and academic performance among health care students in Saudi Arabia. METHODS: A descriptive cross-sectional study was conducted from June to December 2019 at 3 universities in Jeddah. Of the 1000 students contacted, 608 students from 5 health sciences disciplines completed the questionnaires. The following outcome measures were used: Smartphone Addiction Scale for Adolescents-short version (SAS-SV), Pittsburgh Sleep Quality Index (PSQI), and grade point average (GPA). RESULTS: The median age of participants was 21 years, with 71.9% (437/608) being female. Almost all of the cohort used smartphones, and 75.0% (456/608) of them always use them at bedtime. Half of the students (53%) have poor sleep quality, while 32% are addicted to smartphone use. Using multivariable logistic regression, addiction to smartphones (SAS-SV score >31 males and >33 females) was significantly associated with poor sleep quality (PSQI >5) with an odds ratio of 1.8 (1.2-2.7). In addition, male gender and older students (age ≥21 years) were significantly associated with lower GPA (<4.5), with an odds ratio of 1.6 (1.1-2.3) and 2.3 (1.5-3.6), respectively; however, addiction to smartphones and poor sleep quality were not significantly associated with a lower GPA. CONCLUSIONS: Electronic device addiction is associated with increased risk for poor sleep quality; however, electronic device addiction and poor sleep quality are not associated with increased risk for a lower GPA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,479
Écart entre enseignants0,459 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetImpact of Technology on AdolescentsTravaux en français237 207