Prevalence and Associated Factors of Problematic Use of Smartphones Among Adults in Qassim, Saudi Arabia: Cross-sectional Survey
Notice bibliographique
Résumé
BACKGROUND: The Kingdom of Saudi Arabia (KSA) ranks third globally in smartphone use. Smartphones have made many aspects of life easier. However, the overuse of smartphones is associated with physical and psychosocial problems. OBJECTIVE: The aim of this paper is to estimate the prevalence and associated factors of problematic use of smartphones among adults in the Qassim region of KSA. METHODS: We enrolled 715 participants using cluster random sampling for this cross-sectional survey. We assessed the problematic use of smartphones using the short version of the Smartphone Addiction Scale. RESULTS: We estimated the prevalence of problematic smartphone use among adults at 64% (453/708). Multivariable logistic regression analysis suggested that students are 3 times more likely to demonstrate problematic use compared with unemployed individuals (P=.03); adults using more than five apps are 2 times more likely to demonstrate problematic use compared to those using a maximum of three apps (P=.007). Protective factors against problematic smartphone use include using apps for academic (odds ratio [OR] 0.66; P=.04) or religious needs (OR 0.55; P=.007) and having a monthly family income of 5001-10,000 SAR (Saudi Riyal; US $1300-$2700; OR 0.46; P=.01) or 10,001-20,000 SAR (US $2700-$5400; OR 0.51; P=.03) compared to the <1501 SAR (US $400) income group. CONCLUSIONS: We reported a very high prevalence of problematic use of smartphones in KSA. Considering its negative impact on physical and psychosocial health, public health programs should develop preventive strategies.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».