DOI: https://doi.org/10.1556/2006.2025.00093
PMID: https://pubmed.ncbi.nlm.nih.gov/41493477
تاريخ النشر: 2026-01-06
المؤلف: E. MATSUSHITA وآخرون
الموضوع الرئيسي: النوم والاضطرابات المرتبطة به
نظرة عامة
تستكشف هذه الدراسة الفروق بين مستخدمي الهواتف الذكية ذوي المخاطر العالية والمنخفضة الذين يعانون من أعراض الأرق، باستخدام الفينوتيب الرقمي والتقييمات السريرية. تم مراقبة 246 مشاركًا (متوسط العمر 31.14، الانحراف المعياري 10.09) على مدى أربعة أسابيع، وتم تصنيفهم إلى مجموعتين: عالية المخاطر (عدد = 141) ومنخفضة المخاطر (عدد = 105) بناءً على استبيان فحص الإفراط في استخدام الهواتف الذكية. أظهرت التحليلات، التي استخدمت تحليل التباين ANCOVA والانحدار اللوجستي مع التحكم في العمر والجنس ومؤشر كتلة الجسم، أن المجموعة عالية المخاطر أظهرت اضطرابات أكبر بشكل ملحوظ في الإيقاعات البيولوجية (K-BRIAN: الفرق في المتوسط = 6.86، p < 0.000)، وأرق أكثر حدة (مؤشر ISI: نسبة الأرجحية المعدلة (aOR) = 2.63، p = 0.0005)، وجودة نوم أقل (PSQI-K: aOR = 2.41، p = 0.0015). بالإضافة إلى ذلك، كانت الضغوط النفسية، بما في ذلك الاكتئاب (PHQ-9: aOR = 2.77، p = 0.0001) والقلق (GAD-7: aOR = 1.59، p = 0.0059)، أكثر وضوحًا في هذه المجموعة. تؤكد النتائج على الارتباط المستقل بين الإفراط في استخدام الهواتف الذكية واضطراب الإيقاع اليومي الحاد، والأرق، والضغوط النفسية. تسلط الدراسة الضوء على أهمية دمج الفينوتيب الرقمي مع التقييمات السريرية لتحديد العلامات الحيوية الحرجة والأنماط السلوكية المرتبطة بالأرق والصحة النفسية. تقترح أن التدخلات المستهدفة التي تركز على استقرار الإيقاع اليومي وتقليل التسويف قبل النوم يمكن أن تعزز جودة النوم ونتائج الصحة النفسية. ومع ذلك، فإن التصميم العرضي يحد من الاستدلال السببي، مما يشير إلى الحاجة إلى دراسات طولية مستقبلية تتضمن تخطيط النوم وعلامات المرحلة اليومية لتوضيح الآليات وتحسين القابلية للتعميم.
مقدمة
تسلط مقدمة ورقة البحث الضوء على المخاوف الصحية المتزايدة المرتبطة بالإفراط في استخدام الهواتف الذكية، وخاصة ارتباطها بمشاكل الصحة النفسية مثل الاكتئاب والقلق وانخفاض تقدير الذات. تشير إلى أن الاستخدام الإشكالي للهواتف الذكية يتميز بالانشغال بالجهاز، وزيادة الاستخدام، وعدم القدرة المستمرة على تقليل الاستخدام، وهو ما يكون شائعًا بشكل خاص بين الشباب، حيث يشارك حوالي 25% من الأطفال والمراهقين في مثل هذا السلوك. تناقش الورقة أيضًا الآثار الكيميائية العصبية لإدمان الهواتف الذكية، وخاصة ارتفاع مستويات GABA واضطراب توازن GABA-Glx، والتي تم ربطها بنتائج صحة نفسية أسوأ.
علاوة على ذلك، تتناول المقدمة التأثير الكبير للإفراط في استخدام الهواتف الذكية على اضطرابات النوم، وخاصة الأرق، الذي يؤثر على حوالي 10% من البالغين. تؤكد على دور استخدام الهواتف الذكية في تأخير بدء النوم وتعطيل الإيقاعات اليومية، مما قد يؤدي إلى تفاقم أعراض الأرق. تهدف الدراسة إلى استكشاف العلاقة بين الإفراط في استخدام الهواتف الذكية والأرق من خلال الفينوتيب الرقمي، من خلال دمج البيانات من الأجهزة القابلة للارتداء والتقييمات السريرية لتحديد الفروق بين مستخدمي الهواتف الذكية ذوي المخاطر العالية والمنخفضة. يسعى هذا النهج متعدد الأبعاد إلى تعزيز فهم الأرق وإبلاغ التدخلات السريرية، مستفيدًا من التقدمات الحديثة في التكنولوجيا لتحسين تقييم الصحة النفسية.
الطرق
توضح قسم الطرق تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث تم تنفيذ تجربة محكومة لتقييم تأثير المتغير X على النتيجة Y. تم جمع البيانات من عينة من N مشاركًا، مع اتخاذ تدابير مناسبة لضمان العشوائية وتقليل التحيز. تم إجراء تحليلات إحصائية، بما في ذلك ANOVA ونمذجة الانحدار، لتقييم دلالة النتائج.
بالإضافة إلى ذلك، تضمنت الدراسة سلسلة من الاختبارات المبدئية للتحقق من صحة أدوات القياس المستخدمة لجمع البيانات ذات الصلة. كما شملت المنهجية وصفًا تفصيليًا للبروتوكولات المتبعة أثناء جمع البيانات، لضمان إمكانية إعادة الإنتاج. بشكل عام، توفر الطرق المستخدمة إطارًا قويًا لفهم العلاقة بين المتغير X والنتيجة Y، مما يساهم في موثوقية النتائج المقدمة في الدراسة.
النتائج
في هذه الدراسة، تم تصنيف المشاركين إلى مجموعة المخاطر العالية للإفراط في استخدام الهواتف الذكية (SOHG) ومجموعة المخاطر المنخفضة (SOLG) بناءً على درجات SOS-Q الخاصة بهم، حيث تضم 141 و105 أفراد على التوالي. كانت مجموعة SOHG أصغر سنًا بشكل ملحوظ (متوسط العمر 28.42 سنة) مقارنةً بمجموعة SOLG (34.80 سنة)، مع فرق هودجز-ليهمان يبلغ 5.00 سنوات (95% CI 3.00-7.00، $Z = 4.456$، $p < 0.0001$، حجم التأثير $r = 0.284$). كما اختلف توزيع الجنس، حيث كانت النسبة الأعلى من الإناث في مجموعة SOHG (102/141) مقارنةً بمجموعة SOLG (63/105) ($OR = 1.74$، 95% CI 1.02-2.98، $p = 0.042$، $\phi = 0.130$). لوحظت اختلافات كبيرة في الحالة الاجتماعية، وحالة العمل، وبيئة النوم، والوزن، ومؤشر كتلة الجسم، حيث أظهرت مجموعة SOHG وزنًا أقل (متوسط 60.78 كجم مقابل 64.45 كجم، $p = 0.029$) ومؤشر كتلة جسم أقل (متوسط 22.03 مقابل 22.77، $p = 0.0456$). أظهر التحليل الإضافي أنه بينما كانت تناول الكافيين، ووقت القيلولة، ومستويات التوتر متشابهة عبر المجموعات، كانت استهلاك الكحول أعلى بشكل ملحوظ في مجموعة SOLG (متوسط 34.01) مقارنةً بمجموعة SOHG (متوسط 19.87، $p = 0.036$). أشارت التقييمات المتعلقة بالنوم إلى أن درجة مؤشر شدة الأرق (ISI) كانت أعلى بشكل ملحوظ في مجموعة SOHG (متوسط 15.57) مقارنةً بمجموعة SOLG (متوسط 13.42، $p = 0.0004$)، مع نسبة أكبر من حالات الأرق الشديد في مجموعة SOHG. بالإضافة إلى ذلك، لوحظت اختلافات كبيرة في تقييمات سريرية متنوعة تتعلق بالنوم وغير المتعلقة بالنوم، بما في ذلك PHQ-9 وGAD-7. أظهرت مقارنات البيانات الفسيولوجية التي تم جمعها عبر Fitbit أن مجموعة SOHG كانت لديها معدل ضربات قلب أدنى خلال النهار في كل من أيام الأسبوع والعطلات، إلى جانب اختلافات في شدة التمارين خلال الأنشطة النهارية والليلية.
المناقشة
شملت الدراسة التي أجريت من يناير 2023 إلى يوليو 2024 398 مشاركًا، مع التركيز بشكل أساسي على 249 فردًا يعانون من الأرق، لاستكشاف العلاقة بين الإفراط في استخدام الهواتف الذكية واضطرابات النوم. تم تجنيد المشاركين من مستشفى جامعة كوريا أنام وشركة Datamaker، مع معايير شاملة للإدراج والاستبعاد لضمان عينة محددة جيدًا. استخدمت البحث مزيجًا من التقييمات السريرية والفينوتيب الرقمي، مستفيدة من الأجهزة القابلة للارتداء وتطبيق الهاتف الذكي لجمع بيانات شاملة حول أنماط النوم، واستخدام الهواتف الذكية، ومقاييس الصحة المختلفة. شملت التحليلات النهائية 246 مشاركًا، مع نتائج مهمة تشير إلى أن مستخدمي الهواتف الذكية ذوي المخاطر العالية أظهروا درجات مرتفعة على النسخة الكورية من مقابلة الإيقاعات البيولوجية للتقييم في الطب النفسي (K-BRIAN) ومؤشر شدة الأرق (ISI)، مما يشير إلى اضطراب عميق في الإيقاع اليومي وشدة الأرق.
تسلط نتائج الدراسة الضوء على الروابط المستقلة بين الاستخدام الإشكالي للهواتف الذكية والاضطرابات في النوم والصحة النفسية، كاشفة أن الإفراط في استخدام الهواتف الذكية مرتبط بزيادة أعراض الاكتئاب والقلق. من الجدير بالذكر أن البحث حدد اختلافات كبيرة في الحساسية الداخلية وسلوكيات التسويف قبل النوم، مما يشير إلى أن استخدام الهواتف الذكية قد يزيد من صعوبات تنظيم المشاعر واضطرابات النوم. تؤكد النتائج على أهمية دمج الفينوتيب الرقمي مع التقييمات السريرية لتوفير فهم أكثر دقة لتأثيرات استخدام الهواتف الذكية على صحة النوم. يدعو المؤلفون إلى تدخلات مستهدفة تركز على استقرار الإيقاع اليومي واستراتيجيات سلوكية للتخفيف من الآثار السلبية للإفراط في استخدام الهواتف الذكية على النوم والصحة النفسية، مع الاعتراف أيضًا بحدود التصميم العرضي والحاجة إلى دراسات طولية مستقبلية لتأسيس العلاقات السببية.
DOI: https://doi.org/10.1556/2006.2025.00093
PMID: https://pubmed.ncbi.nlm.nih.gov/41493477
Publication Date: 2026-01-06
Author(s): E. MATSUSHITA et al.
Primary Topic: Sleep and related disorders
Overview
This study investigates the differences between high-risk and low-risk smartphone users with insomnia symptoms, utilizing digital phenotyping and clinical assessments. A total of 246 participants (mean age 31.14, SD 10.09) were monitored over four weeks, categorized into high-risk (n = 141) and low-risk (n = 105) groups based on the Smartphone Overuse Screening Questionnaire. The analysis, employing ANCOVA and logistic regression while controlling for age, sex, and BMI, revealed that the high-risk group exhibited significantly greater disruptions in biological rhythms (K-BRIAN: LS-mean difference = 6.86, p < 0.000), more severe insomnia (ISI index: adjusted odds ratio (aOR) = 2.63, p = 0.0005), and poorer sleep quality (PSQI-K: aOR = 2.41, p = 0.0015). Additionally, psychological distress, including depression (PHQ-9: aOR = 2.77, p = 0.0001) and anxiety (GAD-7: aOR = 1.59, p = 0.0059), was more pronounced in this group. The findings underscore the independent association between smartphone overuse and severe circadian disruption, insomnia, and psychological distress. The study highlights the importance of integrating digital phenotyping with clinical assessments to identify critical biomarkers and behavioral patterns linked to insomnia and mental health. It suggests that targeted interventions focusing on circadian stabilization and reducing bedtime procrastination could enhance sleep quality and mental health outcomes. However, the cross-sectional design limits causal inference, indicating a need for future longitudinal studies that incorporate polysomnography and circadian phase markers to clarify mechanisms and improve generalizability.
Introduction
The introduction of the research paper highlights the growing health concerns associated with smartphone overuse, particularly its correlation with mental health issues such as depression, anxiety, and low self-esteem. It notes that problematic smartphone use is characterized by preoccupation with the device, increased usage, and a persistent inability to reduce usage, which is especially prevalent among youth, with approximately 25% of children and adolescents engaging in such behavior. The paper also discusses the neurochemical implications of smartphone addiction, specifically elevated GABA levels and disrupted GABA-Glx balance, which have been linked to poorer mental health outcomes.
Furthermore, the introduction addresses the significant impact of smartphone overuse on sleep disorders, particularly insomnia, which affects about 10% of adults. It emphasizes the role of smartphone use in delaying sleep onset and disrupting circadian rhythms, potentially exacerbating insomnia symptoms. The study aims to explore the relationship between smartphone overuse and insomnia through digital phenotyping, integrating data from wearable devices and clinical assessments to identify differences between high- and low-risk smartphone users. This multidimensional approach seeks to enhance understanding of insomnia and inform clinical interventions, leveraging recent advancements in technology for improved mental health assessment.
Methods
The Methods section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing a controlled experiment to assess the effects of variable X on outcome Y. Data were collected from a sample of N participants, with appropriate measures taken to ensure randomization and minimize bias. Statistical analyses, including ANOVA and regression modeling, were conducted to evaluate the significance of the results.
Additionally, the study incorporated a series of pre-tests to validate the measurement instruments used for capturing the relevant data. The methodology also included a detailed description of the protocols followed during data collection, ensuring reproducibility. Overall, the methods employed provide a robust framework for understanding the relationship between variable X and outcome Y, contributing to the reliability of the findings presented in the study.
Results
In this study, participants were categorized into smartphone overuse high-risk group (SOHG) and low-risk group (SOLG) based on their SOS-Q scores, comprising 141 and 105 individuals, respectively. The SOHG was significantly younger (average age 28.42 years) compared to the SOLG (34.80 years), with a Hodges-Lehmann difference of 5.00 years (95% CI 3.00-7.00, $Z = 4.456$, $p < 0.0001$, effect size $r = 0.284$). Gender distribution also varied, with a higher proportion of females in the SOHG (102/141) compared to the SOLG (63/105) ($OR = 1.74$, 95% CI 1.02-2.98, $p = 0.042$, $\phi = 0.130$). Significant differences were noted in marital status, employment status, sleep environment, weight, and BMI, with the SOHG exhibiting lower weight (mean 60.78 kg vs. 64.45 kg, $p = 0.029$) and BMI (mean 22.03 vs. 22.77, $p = 0.0456$). Further analysis revealed that while caffeine intake, naptime, and stress levels were similar across groups, alcohol consumption was significantly higher in the SOLG (mean 34.01) compared to the SOHG (mean 19.87, $p = 0.036$). Sleep-related assessments indicated that the Insomnia Severity Index (ISI) score was notably higher in the SOHG (mean 15.57) than in the SOLG (mean 13.42, $p = 0.0004$), with a greater proportion of severe insomnia cases in the SOHG. Additionally, significant differences were observed in various sleep-related and non-sleep-related clinical assessments, including PHQ-9 and GAD-7. Comparisons of physiological data collected via Fitbit showed that the SOHG had a lower daytime minimum heart rate on both weekdays and holidays, alongside differences in exercise intensity during daytime and nighttime activities.
Discussion
The study conducted from January 2023 to July 2024 involved 398 participants, primarily focusing on 249 individuals with insomnia, to explore the relationship between smartphone overuse and sleep disturbances. Participants were recruited from Korea University Anam Hospital and Datamaker Inc., with rigorous inclusion and exclusion criteria ensuring a well-defined sample. The research employed a combination of clinical assessments and digital phenotyping, utilizing wearable devices and a smartphone application to collect comprehensive data on sleep patterns, smartphone usage, and various health metrics. The final analysis included 246 participants, with significant findings indicating that high-risk smartphone users exhibited elevated scores on the Korean version of the Biological Rhythms Interview of Assessment in Neuropsychiatry (K-BRIAN) and the Insomnia Severity Index (ISI), suggesting profound circadian disruption and insomnia severity.
The study’s findings highlight the independent associations between problematic smartphone use and disturbances in sleep and mental health, revealing that smartphone overuse is linked to heightened depressive and anxiety symptoms. Notably, the research identified significant differences in interoceptive sensitivity and bedtime procrastination behaviors, suggesting that smartphone use may exacerbate emotional regulation difficulties and sleep disturbances. The results underscore the importance of integrating digital phenotyping with clinical assessments to provide a more nuanced understanding of the impacts of smartphone use on sleep health. The authors advocate for targeted interventions focusing on circadian stabilization and behavioral strategies to mitigate the adverse effects of smartphone overuse on sleep and mental health, while also acknowledging the limitations of the cross-sectional design and the need for future longitudinal studies to establish causal relationships.