Internet Addiction among Undergraduate Medical Students and Its Relationship with Alexithymia, Stress, Anxiety, and Depression in an Indian Medical College: A Cross-sectional Study
Notice bibliographique
Résumé
Abstract Context: Internet addiction (IA) is a rising issue, particularly among university students. The presence of comorbid psychiatric distress can worsen the impact of IA on academic and social functioning. Alexithymia, difficulty recognizing and expressing emotions may play a role in this relationship. Aims: This study aimed to assess the severity and association of IA, psychological distress, and alexithymia among undergraduate medical students in India. Settings and Design: This was a cross-sectional study of 380 undergraduate medical students following convenience sampling, studying in Mysore Medical College and Research Institute (MMCRI), Mysuru. Subjects and Methods: Sociodemographic details were collected, and participants completed the Young’s Internet Addiction Test (IAT-20), Depression, Anxiety, and Stress Scale-21 (DASS-21), and Toronto Alexithymia Scale-20 (TAS-20). Statistical Analysis: Statistical analysis was performed using SPSS-20. Descriptive statistics expressed as frequencies, means, and percentages. Qualitative data were analyzed using the Chi-square test to find out the association between two categorical variables. Spearman’s rank correlation test was used to find the correlation involving ordinal variables. Statistical significance was set at p <.05. Results: About 45.7% were aged 18–20 years, male (58.4%), and from urban areas (54.2%). On IAT, 26.6% showed mild addiction, 11.6% had moderate addiction, and 1.3% had severe dependence. Psychological distress with 42.1% experienced depression, 42.4% anxiety, and 20.0% stress symptoms. In addition, 25.0% were classified as alexithymia. Significant correlations were found between grades of depression, anxiety, stress, and alexithymia with gender, residence, psychiatric illness in family, substance, and Internet use. Conclusions: The study population revealed a high prevalence of IA and psychiatric distress among undergraduate medical students. These findings highlight the need for interventions and support services targeting IA and related psychological distress among medical students.
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 | 0,003 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».