数字设备使用，计算机视觉综合征，以及非洲本科人口中的睡眠质量

抽象的

背景．该研究的目的是确定大学生计算机视觉综合征（CVS）和睡眠质量差的患病率，并评估数字设备使用，CV和睡眠质量之间的关系。方法．在2020年3月在加纳在加纳进行了一个横断面研究，在加纳在1月至3月20日期间进行。有关数字设备使用和CVS症状的信息，使用结构化问卷收集。使用匹兹堡睡眠质量指数（PSQI）评估睡眠质量。Logistic回归用于确定CVS和数字设备使用行为之间的关系，并且使用线性回归分析来探索睡眠质量和数字设备使用行为之间的关联。统计显着性设定为AT < 0.05.结果．平均年龄(SD)为20.95(1.68)岁，以女性居多(54.97%)。CVS的患病率为64.36%。与CVS相关的因素包括每天使用数字设备的小时数(OR = 4.1， < 0.001), years of digital device use (OR = 3.0,< 0.001)，调整数字设备屏幕与周围亮度的对比(OR = 1.95， = 0.014), and presence of glare (OR = 1.79,= 0.048)。睡眠质量差的患病率为62.43%。睡眠质量差与受试者使用数码设备的年数( = 0.015) and the number of hours they used a digital device per day (= 0.005)。结论．加纳本科生患者患有CVS和睡眠质量差异很高。这代表了一个需要注意的重要公共卫生问题。

1.介绍

计算机视觉综合征(CVS)是一组眼睛和视觉问题的经历有关，或期间，使用数字设备。CVS的症状包括但不限于头痛、视力模糊、复视、眼睛疲劳、流泪、对光敏感、灼烧感和眼表干燥[1]．CVS的公共卫生重要性不能被夸大，需要研究人员、临床医生和政策制定者的注意。计算机视觉综合症是21世纪的主要职业危害，其症状影响到63%-89%的计算机用户，这取决于被研究的人群[2-6.]．全球大约有6000万电脑用户患有CVS，每年有近100万新确诊病例[7.那8.]．计算机视觉综合征可降低工作效率和生产率，从而提高工作误差和减少工作满意度[9.]．CVS的症状可以具有未校正的屈光误差，适应性功能障碍和双目视觉异常的眼睛瞳孔[10或人体工程学原因，如坐姿不良，观看距离和角度不当，显示分辨率和对比度差，照明差，显示和环境照明不平衡[11-13]．

长期使用数码设备对睡眠的影响现在已成为一个令人担忧的问题[14]．延长的数字设备使用导致睡眠量和质量显着降低[15那16]．睡眠不足会导致工作和学习表现不佳、生产力降低、精力不足、体重增加的风险增加以及抑郁[17]．在21世纪，影响睡眠质量的一个重要因素是数字设备的使用[15那16]．数字设备的使用，特别是在晚上，已经被证明会损害睡眠和降低睡眠质量[18]．通过抑制甜瓜诱导激素的释放，使用数字设备的使用扰乱昼夜节律。虽然任何种类或白光的光通常可以抑制褪黑激素分泌，但这主要归因于数字设备发出的蓝光量[15]．

大学生是大量使用数字设备的人群，特别是电脑和智能手机。尽管加纳超过80%的大学生拥有并使用笔记本电脑或台式电脑[19那20.]，加纳和非洲大学生中没有关于CVS的可用数据。此外，预计睡眠质量在具有重型数字设备使用的学生中将是较差的[21]．睡眠质量较差，特别是对大学生的困难，因为睡眠在记忆，集中和学习过程中起重要作用[22]．目前还没有人尝试调查非洲大学生使用数字设备与睡眠质量之间的关系。这项研究的目的是调查加纳大学生中的CVS及其与睡眠质量的关系。

2.方法

本研究是在Kwame Nkrumah科技大学（Knurt），加纳的Kwame Nkrumah大学进行的横断面研究，于2020年3月至3月20日之间.Kwame Nkrumah大学是一所公立大学，位于Ashanti地区的Kumasi。

2.1。样本大小和采样

使用公式计算样品大小 在哪里N表示样本大小，N是人口规模，Z._α／2是临界价值α/ 2，D.是误差的幅度，和P.是样本比例。Dessie等人报告的CVS患病率。[23选择（69.5％）作为比例样本。假设1.5的设计效果，计算的样品尺寸为326.允许20％的损坏数据，最终样品尺寸为391。

剑长（大学大厅，Unity Hall，Africa Hall，共和国大厅，独立大厅和Queens Hall）有六个居住。每间居住大厅，投票是随机选择33个房间。然后使用简单的随机抽样来选择每个房间的四个乘员参与研究。六十五（65）名与会者从所有居住大厅招募，除了Unity Hall，其中66名参与者被招募了66名参与者。所有参与者都是剑长的学生。所有问卷全部由参与者自我管理。包括所有年龄段的参与者。只有使用电子/数字设备的个人都包含在研究中。研究中，患有任何诊断的眼部疾病和咖啡患者（消费咖啡≥3天/周）的个体被排除在该研究之外。

2．2．调查问卷

参与者的社会人口数据、CVS症状和相关因素是通过Aseefa等人在研究中使用的一种改进的研究特定问卷形式获得的。[4.]．CVS的诊断定义为在过去一个月立即使用长时间数字设备期间或之后经历的两种或更多种症状的存在。对于本研究，数字设备使用被定义为笔记本电脑，桌面和平板电脑使用。问卷上的每个项目都由研究团队成员的参与者向参与者解释。匹兹堡睡眠质量指数（PSQI）是一个自我管理的问卷，评估一个月内睡眠质量。PSQI是一个有效且可靠的问卷，用于评估研究和临床环境中的睡眠质量[24]．PSQI评估七分睡眠。PSQI组件是主观睡眠质量，睡眠延迟，睡眠持续时间，习惯性睡眠效率，睡眠障碍，睡眠用药，以及白天功能障碍。所有组件都以0-3刻度评分。全局PSQI评分（在0-21范围内）是从七个组件的总和获得的。较低的全球PSQI评分表明良好/更健康的睡眠质量，高PSQI表明睡眠质量不佳[24]．对于这项研究，全球PSQI得分≤5被归类为“良好的睡眠质量”，全球PSQI得分> 5分为“睡眠质量差”[24]．

2.3。道德考虑

在参加该研究之前从所有参与者获得书面知情同意。所有研究协议符合赫尔辛基宣言的原则。该研究批准是从Kwame Nkrumah科学技术大学的机构审查委员会获得。

2.4。统计分析

通过统计包进行分析数据，用于社会科学（SPSS）软件版本25.0。平均值，标准偏差和百分比用于描述数据，在适当的情况下。执行二进制逻辑回归分析以确定CVS和参与者的关系，以及数字设备使用行为，线性回归分析用于探索全球PSQI之间的关联，其各个组件和数年的数字设备使用以及数字设备使用每天（小时）。进行Chi-Square测试以检查CVS与睡眠质量之间的关联。在95％的置信区间， ≤ 0.05 was considered statistically significant.

结果

共有391个个人参加，获得了362个有效数据。桌子1提供参与者特征的摘要。大多数人（54.97％）的参与者是女性。参与者的平均值（SD）年龄为20.95（1.68）年。

3.1。数字设备使用行为

桌子2提供了学习参与者的数字设备使用行为的摘要。大多数（60.22％）参与者一直在使用数字设备≥5岁。大约四分之三（72.38％）每天在数字设备上花费三个小时或更长时间。

3．2.电脑视觉综合症

CVS的患病率为64.36%(95%可信区间:59.2% ~ 69.3%)。桌子3.根据参与者特征和数字设备使用行为，提供CVS发生频率的总结。最常见的症状是流泪(40.06%)、眼疲劳(35.36%)和眼疲劳(34.81%)。图中显示了参与者报告的症状摘要1．

在调整了年龄、性别和睡前习惯性使用智能手机的影响后，多重二元logistic回归显示，以下因素与CVS显著相关:使用数码设备的年份(OR = 3.0, 95% CI: 2.12-4.01, 95% CI: 2.12-4.01)。 < 0.001), digital device use per day (hours) (OR = 4.1, 95% CI: 3.16–6.27, < 0.001), frequent breaks during digital device use (OR = 0.51, 95% CI: 0.27–0.81, = 0.02), adjustment of digital device screen contrast to surrounding brightness (OR = 1.95 95% CI: 1.37–5.12, = 0.02), glare experience (OR = 1.79, 95% CI: 1.21–3.17, = 0.04), and spectacle wear (OR = 0.46, 95% CI: 0.36–0.92,= 0.01)。

3.3。睡眠质量和数字设备使用

整体PSQI均值(SD)为6.49(2.75)。主观睡眠质量均值(SD)为0.92(0.69)分;睡眠潜伏期，1.65 (1.12);睡眠时间，1.57 (0.67);习惯性睡眠不足，0.63(0.45);睡眠障碍，1.04 (0.4);使用睡眠药物，0.12(0.03);日间功能障碍，0.58(0.29)。桌子4.在多年数字设备使用和每天使用数字设备使用的各个组件上提供全球PSQI和分数的摘要。参与者之间睡眠质量差的患病率为62.43％（95％CI：57.2％-67.4％）。在控制年龄，性别，BMI和习惯性睡前智能手机后，多元二进制物流回归分析显示，“数年数字设备使用”与贫困的整体睡眠质量有关（= 0.02)，主观睡眠质量差( = 0.001), higher sleep latency ( = 0.01), sleep disturbance ( = 0.004), and daytime dysfunction ( = 0.001). Digital device use per day was also associated with poor overall sleep quality ( = 0.005), poor subjective sleep quality ( = 0.001), higher sleep latency ( = 0.003), shorter sleep duration (= 0.02)，习惯性睡眠效率(= 0.005)。

3．4．电脑视觉综合症和睡眠质量

CVS参与者之间的平均值（SD）PSQI评分为7.09（2.81），没有CVS为5.89（2.67）。CVS参与者在参与者中缺乏睡眠质量的患病率为67.24％，没有CVS为54.62％。Chi-Square测试显示CVS和睡眠质量之间的重大关联（Pearson的Chi-Square = 5.68，= 0.02)。

4.讨论

据作者所知，目前的研究是第一项评估非洲人口中数字设备使用、计算机视觉综合症和睡眠质量的研究。本次研究中CVS的患病率为64.36%。其他研究报告显示，CVS在不同人群中的流行程度从63%至89%不等[3.-6.]．眼睛疲劳和眼睛菌株是该研究报告的常见CVS症状。这与类似研究的报告一致[4.-6.]．近距离的住宿和收敛在近似物体，如数字设备屏幕放在视觉系统上，导致视觉不适，包括眼睛疲劳和眼睛菌株[25]．此外，经常将来自数字设备的焦点从数字设备转换为印刷材料或从一个数字设备转换到另一个数字设备的焦点可以放在视觉系统上的应变，导致眼睛疲劳和眼睛菌株的报告[25那26]．

与埃塞俄比亚的类似研究报告一致[4.]和印度[27]的研究结果显示，不经常使用数码设备与CVS症状之间存在显著关联。在数码设备上工作而不休息迫使眼睛长时间保持注意力，导致视觉疲劳和视疲劳的症状[28]．这一结果对临床医生和学生都很重要，因为随着当前COVID-19大流行，几所大学将讲座转移到了网上，预计全球大学生对数字设备的使用将会增加。由于几乎所有的学生都在网上上课，他们花在电子设备上的平均时间预计将会增加。这有可能导致这些人群中CVS的患病率和严重程度的增加。对其中一些人来说，CVS的症状会导致生活质量和工作效率的降低[9.]．此外，该研究发现，调整屏幕亮度以适应周围照明条件的参与者具有较高的报告CVS症状的几率。虽然这最初似乎是违反直观的，但重要的是要注意调整数字设备屏幕到照明条件的需要意味着照明条件不充分。虽然对数字设备屏幕的调整有用，但它没有完全消除与照明不足相关的问题[7.]．通过不均匀的照明、数字设备屏幕的反射和不适眩光，照明条件会导致视觉不适和CVS症状。[1]眩光和数字设备屏幕反射还可以导致数字设备显示的对比度降低，降低屏幕上看到的图像，并加剧视觉不适。在目前的研究中，佩戴眼镜（眼镜）与显影CVS症状的几率较低。正确规定的眼镜可以帮助降低眼睛应变和视觉疲劳，特别是在数字设备上[29那30.]．与目前研究中的发现相反，类似的研究[4.)报告称，眼镜佩戴者开发CVS的几率增加了。这些研究给出的一般解释是，参与者可能没有佩戴正确的处方。

数字设备对睡眠质量的影响越来越受到关注。随着技术进步和转向数字世界的转变，数字设备已成为我们日常生活的必要和不可或缺的一部分。目前研究的大多数（62.43％）的参与者睡眠质量差。这类似于其他研究的结果，报告过度数字设备在大学生和其他人群中对睡眠质量的负面影响[15那18]．接触数字设备屏幕灯可以打扰个人的昼夜节律[31]．澳大利亚的一项研究[32还报告了高量数字设备使用和一般睡眠问题之间的强大关联。尽管在目前的研究中观察到数字设备使用和睡眠质量之间的重大关联，但重要的是要承认这不证明数字设备使用是睡眠质量差的直接原因。每日压力等其他因素[33和睡眠条件差[34]可能有助于本研究中观察到的睡眠质量差。目前的研究还揭示了睡眠延迟与两年的数字设备使用和每天数字设备（小时）的重要关联。在一天中使用较长年数的数字设备使用和更长的数字设备使用的参与者往往具有长时间的睡眠延迟。与数字设备和其他数字设备使用的延长睡眠延迟的已知解释是来自这些设备的蓝光的发射。众所周知，蓝光抑制褪黑激素的释放，从松果腺中诱导睡眠诱导激素，导致延长睡眠延迟[31]．

目前研究中的另一个显着发现是睡眠持续时间减少，每天使用数小时的数字设备使用。随着数年的数字设备使用，睡眠持续时间还减少了睡眠持续时间。不同的研究报告了过度筛选时间，互联网成瘾和睡前数字设备在睡眠期间使用的影响。台湾的一项研究[18对大学生数字设备使用(网络成瘾)和睡眠质量之间关系的评估显示，随着网络成瘾程度的增加，睡眠时间会减少，因此数字设备使用和屏幕使用时间会增加。习惯性睡眠效率也与每天(小时)使用数字设备显著相关。每天使用数码设备的时间增加与习惯性睡眠效率下降有关。Fobian等人也报道了数字设备使用与睡眠效率之间的类似关联。35[他们研究了数字媒体对青少年睡眠效率的影响。增加数小时的数字设备使用的数小时使用降低习惯性睡眠效率并不令人惊讶。考虑到睡眠持续时间和延长睡眠延迟的显着降低，预计每天的数字设备使用增加会影响惯常睡眠的效率。

睡眠干扰与多年的数字设备使用之间也存在重要的关系。PSQI睡眠障碍组件测量睡眠干扰，如半夜醒来，感觉太冷或炎热，咳嗽，困扰呼吸，并具有糟糕的梦想，表明睡眠不适或身体损害。重要的是要承认，这些休眠的障碍可能不是数字设备使用或屏幕时间的直接影响。然而，数字设备使用对身体生理的影响可能导致身体不适。这些物理不适和它们所产生的睡眠障碍是关注的，因为它们可以影响学术和工作表现。此外，多年的数字设备使用与白天功能障碍之间存在重大关联。虽然不显着，但增加每天的数字设备使用与增加的日间功能障碍有关。新加坡研究[36[据报道，数字设备之间以社交媒体（两天和夜间）和白天功能障碍（白天嗜睡）的形式进行了重要关联，其中社交媒体的增加与白天嗜睡的增加有关。

目前研究的一个局限性是，没有评估参与者积极使用数字设备的时间。评估时间的参与者主要是使用数字设备将提供一个机会来分析如果数码设备使用对睡眠质量的影响取决于活跃的时间(白天与夜晚)数码设备使用,几乎所有研究主题集中在数字设备在睡前使用。然而，这并没有显著影响研究的强度，因为白天和晚上使用数字设备已经显示出影响整体睡眠质量、睡眠潜伏期和睡眠持续时间[37]．此外，该研究没有评估参与者使用的眼镜处方是否最新，以及是否对体验CVS有任何影响。此外，这项研究采用了问卷调查，要求参与者自我报告他们使用数码设备和睡眠的信息。必威2490这可能受到回忆偏差的影响。

在未来的研究中，有必要评估参与者所戴的眼镜是否具有最佳屈光矫正或具有适合数字设备使用的特征，如减反射涂层，以及它如何影响他们的CVS体验。

5.结论

综上所述，加纳大学生中CVS和睡眠质量差的患病率很高。这代表了一个需要注意的重要公共卫生问题。

数据可用性

这些数据可根据要求从通讯作者处获得。

的利益冲突

提交人没有申报利益冲突。

参考文献

1. C. Blehm, S. Vishnu, a . Khattak, S. Mitra, R. W. Yee，“计算机视觉综合症:回顾”，眼科调查第50卷，没有。3，pp。253-262,2005。视图:出版商的网站|谷歌学术
2. N. A. Charpe和V. Kaushik，《计算机视觉综合症:软件专业人员的识别和控制》，人类生态学杂志第28卷，第2期。1，页67-69,2009。视图:出版商的网站|谷歌学术
3. R. Akinbinu，“关于尼日利亚阿布贾工作场所计算机用户计算机视觉综合症的知识”生理病理生理学杂志。，第4卷，第4期。4, pp. 58-63, 2013。视图:出版商的网站|谷歌学术
4. N. L. Assefa, D. Z. Weldemichael, H. W. Alemu, D. H. Anbesse，“计算机视觉综合症在埃塞俄比亚西北部Gondar市银行工作人员中的患病率和相关因素”临床眼科学，卷。9，pp。67-76,2015。视图:谷歌学术
5. P. Ranasinghe, W. S. Wathurapatha, Y. S. Perera等人，“发展中国家计算机办公室工作人员的计算机视觉综合症:流行率和危险因素的评估”，BMC研究笔记，卷。9日，2016年。视图:出版商的网站|谷歌学术
6. S. C. reddy，C. Low，Y.IMIN，L. Low，F. Mardina和M. Nursaleha，计算机视觉综合征：大学生知识和实践研究，“尼泊尔眼科杂志，卷。5，不。2，pp。161-168,2013。视图:出版商的网站|谷歌学术
7. S. Gowrisankaran和J. E. Sheedy，《计算机视觉综合症:回顾》，工作，第11卷，第25-29页，2015。视图:谷歌学术
8. S. A. Randolph，“计算机视觉综合症，”工作场所健康与安全，卷。65，不。7日，2017年。视图:出版商的网站|谷歌学术
9. J. R. Hayes, J. E. Sheedy, J. A. Stelmack和C. A. Heaney，“计算机使用、症状和生活质量，”眼科学视觉科学，卷。84，pp。738-744，2007。视图:出版商的网站|谷歌学术
10. 罗森菲尔德，《计算机视觉综合征:眼科病因和潜在治疗回顾》，眼科和生理学光学，卷。31，不。5，pp。502-515，2011。视图:出版商的网站|谷歌学术
11. S.B.Boadi-Kusi，S.L.Abu，G.O. Acheampong，P.O. W. Adueming，以及加纳的大学行政人员的贫困酿酒术实践与计算机视觉综合征之间的贫困性综合征。环境与公共卫生杂志， 2020年第2期。视图:出版商的网站|谷歌学术
12. M. Sánchez-Brau, B. Domenech-Amigot, F. Brocal-Fernández, J. A. Quesada-Rico, and M. Seguí-Crespo, “Prevalence of computer vision syndrome and its relationship with ergonomic and individual factors in presbyopic VDT workers using progressive addition lenses,”国际环境研究与公共卫生杂志第17卷，没有。3, 2020。视图:出版商的网站|谷歌学术
13. J. R. Anshel，“工作场所的视觉人体工程学”，AAOHN杂志，卷。55，不。10，pp.414-420，2007。视图:出版商的网站|谷歌学术
14. X. Mei，Q.Zhou，X. Li，P.Jing，X. Wang和Z. Hu，“睡眠问题在青少年的过度技术使用中：系统性评论和荟萃分析”睡眠科学练习，卷。2018年2日。视图:出版商的网站|谷歌学术
15. C. Fuller, E. Lehman, S. Hicks和M. B. Novick，“儿童睡前使用科技产品和相关的睡眠问题”全球儿童健康，卷。4日，2017年。视图:出版商的网站|谷歌学术
16. S. Thomée, a . Härenstam和M. Hagberg，“在年轻人中使用手机和压力，睡眠障碍和抑郁症的症状-一项前瞻性队列研究，”BMC公共卫生，第12卷，2011。视图:谷歌学术
17. A. smaldone，J.C. Honig和M. W. Byrne，“在美国不眠列：与我们国家儿童的健康和健康和福祉的关系不足”，“儿科，卷。119，没有。1，pp。S29-S37，2007。视图:出版商的网站|谷歌学术
18. P. H. Lin，Y.C.Lee，K.L.L.Chen，P.L.Hsieh，S. Y. Y. Y. Y. L. Lin，女大学生睡眠质量与互联网成瘾的关系，“神经科学前沿，第13卷，2019年。视图:出版商的网站|谷歌学术
19. S. Dery, F. D. Vroom, A. Godi, S. Afagbedzi和D. Dwomoh， "加纳大学健康科学专业学生的信息和通信技术知识和使用"加纳医学杂志第50卷，没有。3, pp. 180-188, 2016。视图:谷歌学术
20. S. Farouq和F. Mensah，“加纳大学生对ICT的使用”，全球人民社会科学杂志，卷。19，pp。13-18,2017。视图:谷歌学术
21. A. Mohammadbeigi，R. Absari，F. Valizadeh等，“医学生的睡眠质量;过度使用移动手机和社交网络的影响，“研究卫生科学杂志，第19卷，第659-671页，2016。视图:谷歌学术
22. N. Hennies, M. A. Lambon Ralph, M. Kempkes, J. N. Cousins和P. A. Lewis，“睡眠纺锤体密度预测先验知识对记忆巩固的影响，”神经科学杂志，卷。36，不。13，pp。3799-3810,2016。视图:出版商的网站|谷歌学术
23. A. Dessie，F.Adane，A. Nega，S. D. WAMI和D. H.Chercos，计算机用户在埃塞俄比亚的德布勒塔博尔镇的计算机用户中的计算机视觉综合征和相关因素。环境公共卫生杂志， 2018年第2期。视图:出版商的网站|谷歌学术
24. 徐瑞秋Zhong, B. Gelaye, S. E. Sánchez, M. a . Williams，“一组秘鲁孕妇的匹兹堡睡眠质量指数(PSQI)的心理测量特性，”临床睡眠医学杂志，卷。11，不。8，pp。869-877,2015。视图:出版商的网站|谷歌学术
25. A. L. Sheppard和J.S.Wolffsohn，“数字眼睛菌株：流行，测量和改善”，BMJ开放眼科，卷。3，物品ID E000146，2018。视图:出版商的网站|谷歌学术
26. J. E. Sheedy和S. D. Parsons，“视频显示终端眼科诊所：临床报告”，验光与视觉科学，第67卷，否。8，页622-626,1990。视图:出版商的网站|谷歌学术
27. S. Agarwal, D. Goel和A. Sharma，“评估导致计算机用户眼部疾病的因素”，中国临床诊断研究杂志CHINESE，第7卷，331-335页，2013。视图:谷歌学术
28. D. Bhanderi, S. Choudhary和V. Doshi，“一项基于社区的关于计算机操作员视疲劳的研究”，印度眼科杂志，卷。56，没有。1，pp。51-55,2008。视图:出版商的网站|谷歌学术
29. S.P.Butzon，J. E. Sheedy和E.Inilsen，“计算机眼镜在减少计算机工人症状中的疗效”，“验光（圣路易斯，莫，美国），卷。73，没有。4，pp。221-230，2002。视图:谷歌学术
30. G. Horgen，A.Aarås和M. Thoresen，“在视觉显示单元（VDU）中将视觉不适（VDU）用户在从单一视觉镜头移动到专门设计的VDU渐进镜头时的开发变更？”验光与视觉科学第81卷，没有。5，页341-349,2004。视图:出版商的网站|谷歌学术
31. C. Moderie, S. Van der Maren和M. Dumont，“抱怨睡眠时间延迟的年轻人的生理阶段、主观睡意的动态和对蓝光的敏感性，”睡眠医学，第34卷，第148-155页，2017。视图:出版商的网站|谷歌学术
32. A. L. Gamble, A. L. D. J. Bartlett等人，“青少年的睡眠模式和夜间科技产品的使用:澳大利亚广播公司大型睡眠调查的结果。”《公共科学图书馆•综合》，第9卷，第e111700条，2014年。视图:出版商的网站|谷歌学术
33. J. M.Blaxton，C.S.Bergeman，B. R. Whitehead，M. E. Braun和J. D. Payne，“夜间睡眠质量，日常压力和日常影响”的关系。Gerontology系列的期刊B：心理学科学与社会科学，卷。72，pp。363-372,2017。视图:谷歌学术
34. I. Altun, N. Cınar和C. Dede，“根据大学生的研究，导致睡眠质量差的因素:一项横断面研究，”医学科学研究杂志:伊斯法罕医学科学大学官方杂志第17卷，没有。6, pp. 557-561, 2012。视图:谷歌学术
35. A. D. Fobian, K. Avis和D. C. Schwebel，“媒体使用对青少年睡眠效率的影响，”中国发育与行为儿科杂志，卷。37，不。1，pp。9-14,2016。视图:出版商的网站|谷歌学术
36. A. M. A. Nasirudeen，L. Lee Chin Adeline，K.Wat Neo Josephine，L. Suld Seng和L. Wenjie，“社会媒体使用对白天嗜睡的影响：新加坡三级学生样本的研究，”数字医疗， 2017年第3期。视图:出版商的网站|谷歌学术
37. M. Hysing，S.Pallesen，K.M. Stormark，R. Jakobsen，A. J.Lundervold和B. Sivertsen，“睡眠和使用青春期的电子设备：来自基于大量的人口的研究结果，”BMJ开放，卷。5，2015年物品ID e006748,2015。视图:出版商的网站|谷歌学术

betway赞助

betway赞助版权所有©2021 kwaku akowuah等。这是分布下的开放式访问文章创意公共归因许可证，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。