Problematic Smartphone Use: An Overlooked Trigger for Oculomotor Strain, Cervical Disability, and Headache in Medical Students
Notice bibliographique
Résumé
Objectives: Problematic smartphone use (PSU) is widespread among medical students and might be associated with visual, musculoskeletal, and neurological complaints. In this study, we investigated the relationship between PSU and oculomotor strain, cervical disability, and the impact of headaches. Materials and Methods: The present study was conducted through a cross-sectional survey among 498 medical students in Lahore, Pakistan. PSU was assessed using the Smartphone Addiction Scale-Short Version (SAS-SV), oculomotor strain with the Computer Vision Syndrome Questionnaire (CVS-Q), cervical disability with the Neck Disability Index (NDI), and headache impact using the HIT-6. Data were assessed using Pearson's correlations, t-test, ANOVA, and multivariate regression in SPSS v.26. Results: The average SAS-SV score was 32.1 ± 4.9. PSU was associated with CVS (r = 0.229), NDI (r = 0.147), and HIT-6 (r = 0.088). Scores for all measures were higher among female students (p < 0.001). The youngest students presented with higher PSU; the CVS was more intense in 21-23 years of age, and older students had a greater cervical disability. Predictors of CVS, cervical disability, and headache impact were PSU, gender (female), younger age, low physical activity status, and comorbidities according to the regression models. Conclusion: PSU is associated with increased oculomotor strain, neck disability, and headache burden in medical students, especially for females, younger-aged students, and those having low activity or comorbidities. Preventive strategies that promote digital well-being and healthy behaviours are advised.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».