Predicting Factors of Computer Vision Syndrome Preventive Behaviors Among High School Students in Bangkok
Article Sidebar
Main Article Content
Abstract
Background: Computer Vision Syndrome (CVS) refers to a group of eye and vision-related problems, as well as musculoskeletal discomfort, associated with prolonged use of electronic screens, typically 2-3 hours or more per day. Preventing CVS helps reduce physical impacts, improve quality of life, and enhance academic performance.
Objectives: To examine the predictive power of predisposing, enabling, and reinforcing factors on CVS preventive behaviors among high school students in Bangkok.
Methods: This predictive correlational study involved 282 high school students under the jurisdiction of the Bangkok Secondary Education Service Area Office 1. Data were collected using questionnaires and analyzed using descriptive statistics and multiple regression analysis.
Results: Most participants showed moderate levels of CVS preventive behaviors (71.6%). Multiple regression analysis revealed that health literacy concerning CVS and social support from peers and school together accounted for 21.8% (R²=.218, F=38.922, p<.001) of the variance in CVS preventive behaviors among high school students in Bangkok.
Conclusion: Health literacy and social support from peers and schools were significant predictors of CVS preventive behaviors. Conversely, the duration of electronic device use and social support from family were not significant predictors of CVS preventive behaviors among high school students in Bangkok.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวิทยาลัยพยาบาลบรมราชชนนี จังหวัดนนทบุรี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับวิทยาลัยพยาบาลบรมราชชนนี จังหวัดนนทบุรี และคณาจารย์ท่านอื่น ในวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
References
ทรงฤทธิ์ ทองมีขวัญ, สกุนตลา แซ่เตียว, และวรินทร์ลดา จันทวีเมือง. (2560). คอมพิวเตอร์ซินโดรม: ภัยใกล้ตัวคุณที่รับรู้และป้องกันได้. วารสารพยาบาลกระทรวงสาธารณสุข, 27(ฉบับพิเศษ), 19–31.
ทรงฤทธิ์ ทองมีขวัญ และ สกุนตลา แซ่เตียว. (2561). พฤติกรรมการป้องกันและการรับรู้ความเสี่ยงต่อการเกิดกลุ่มอาการคอมพิวเตอร์ซินโดรมของบุคลากรสายสนับสนุน. วารสารพยาบาลศาสตร์ มหาวิทยาลัยสยาม, 19(37), 69–83.
ทรงฤทธิ์ ทองมีขวัญ. (2562). ปัจจัยทำนายพฤติกรรมการป้องกันกลุ่มอาการคอมพิวเตอร์ซินโดรมของผู้ใช้คอมพิวเตอร์ในการปฏิบัติงาน: องค์การบริหารส่วนจังหวัดแห่งหนึ่งใน ภาคใต้. วารสารวิชาการศรีปทุม ชลบุรี, 15(4), 78–87.
ธัญญรัศม์ ธนวัติอภิชาติโชติ. (2567). รูปแบบการให้การปรึกษาแนวพุทธจิตวิทยาเพื่อแก้ไข บำบัด ฟื้นฟูสำหรับเด็กและเยาวชนกระทำความผิด. วารสาร มจร.อุบลปริทรรศน์, 9(2), 333–44.
ประภัสสร อักษรพันธ์ และ รุ้งกานต์ พลายแก้ว. (2564). ปัจจัยที่มีความสัมพันธ์ต่อพฤติกรรมปองกันกลุ่มอาการผิดปกติทางระบบโครงร่างและกล้ามเนื้อของผู้ที่ทำงานกับคอมพิวเตอร์. พยาบาลสาร, 48(4), 107–20.
ปาจรา โพธิหัง, นนทกร ดำนงค์ และอโนชา ทัศนาธนชัย. (2564). ความสัมพันธ์ระหว่างความรอบรู้ด้าน สุขภาพเกี่ยวกับกลุ่มอาการออฟฟิตซินโดรมกับพฤติกรรมการป้องกันกลุ่มอาการออฟฟิตซินโดรมของบุคลากรสายสนับสนุนในมหาวิทยาลัยแห่งหนึ่ง. วารสารพยาบาลสภากาชาดไทย, 14(2), 235–50.
ศูนย์วิเคราะห์ข้อมูลสํานักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (2565). รายงานผลการสํารวจพฤติกรรมผู้ใช้อินเทอร์เน็ตในประเทศไทย ปี 2565. กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. https://www.etda.or.th/getattachment/78750426-4a58-4c36-85d3-d1c11c3db1f3/IUB-65-Final.pdf.aspx
สมลักษณ์ เทพสุริยานนท์ และ อุไรวรรณ ชัยชนะวิโรจน์. (2560). ปัจจัยที่มีอิทธิพลต่อพฤติกรรมป้องกันกระจกตาอักเสบของนักศึกษา มหาวิทยาลัยที่ใส่คอนแทคเลนส์. วารสารพยาบาลทหารบก, 18(1), 122–30.
สำนักงานสถิติแห่งชาติ. (2567). การสำรวจการมีการใช้เทคโนโลยีสารสนเทศและการสื่อสารในครัวเรือน พ.ศ. 2567 (ไตรมาส 1). กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม.https://www.nso.go.th/nsoweb/storage/survey_detail/2024/20240531072624_48392.pdf
Abuallut, I., Ajeebi, R. E., Bahari, A. Y., Abudeyah, M. A., Alyamani, A. A., Zurayyir, A. J., Alharbi, A. H., Al Faqih, A. A., Suwaydi, A. Z., Alqasemi, M. I., Alnami, B. A., & Al Zahrani, K. J. (2022). Prevalence of computer vision syndrome among school–age children during the COVID–19 pandemic, Saudi Arabia: A cross-sectional survey. Children (Basel), 9(11). https://doi.org/10.3390/children9111718
Alemayehu, A. M. (2019). Pathophysiologic mechanisms of computer vision syndrome and its prevention: Review. World Journal of Ophthalmology & Vision Research, 2(5). https://doi.org/10.33552/WJOVR.2019.02.000547
American Optometric Association. (2021). Computer vision syndrome (CVS). https://www.aoa.org/healthy-eyes/eye-and-vision-conditions/computer-vision-syndrome
Beeson, D., Wolffsohn, J. S., Baigum, T., Qureshi, T., Gohil, S., Wahid, R., & Sheppard, A. L. (2024). Digital eye strain symptoms worsen during prolonged digital tasks, associated with a reduction in productivity. Computers in Human Behavior Reports, 16. https://doi.org/10.1016/j.chbr.2024.100489
Green, L. W., & Kreuter, M. W. (2005). Health Program Planning: An Educational and Ecological Approach. McGraw-Hill.
Gupta, R., Chauhan, L., & Varshney, A. (2021). Impact of E-schooling on digital eye strain in coronavirus disease era: A survey of 654 students. Journal of Current Ophthalmology, 33(2), 158–164. https://doi.org/10.4103/joco.joco_89_20
Issa, R., Sfeir, M., Azzi, V., Salameh, P., Akiki, M., Akel, M., Hallit, S., Obeid, S., Malaeb, D., & Hallit, R. (2023). Association of computer vision syndrome with depression/anxiety among Lebanese young adults: The mediating effect of stress. Healthcare (Basel), 11(19). https://doi.org/10.3390/healthcare11192674
Kaur, K., Gurnani, B., Nayak, S., Deori, N., Kaur, S., Jethani, J., Singh, D., Agarkar, S., Hussaindeen, J. R., Sukhija, J., & Mishra, D. (2022). Digital eye strain: A comprehensive review. Ophthalmology and Therapy, 11(5), 1655–80. https://doi.org/10.1007/s40123-022-00540-9
Kemp, S. (2024, January 31). Digital 2024: Global overview report. Datareportal. https://datareportal.com/reports/digital-2024-global-overview-report
Li, R., Ying, B., Qian, Y., Chen, D., Li, X., Zhu, H., & Liu, H. (2022). Prevalence of self-reported symptoms of computer vision syndrome and associated risk factors among school students in China during the COVID-19 pandemic. Ophthalmic Epidemiology, 29(4), 363–73. https://doi.org/10.1080/09286586.2021.1963786
Nutbeam D. (2008). The evolving concept of health literacy. Social science & medicine (1982), 67(12), 2072–2078. https://doi.org/10.1016/j.socscimed.2008.09.050.
Patil, A., Bhavya, Chaudhury, S., & Srivastava, S. (2019). Eyeing computer vision syndrome: Awareness, knowledge, and its impact on sleep quality among medical students. Industrial Psychiatry Journal, 28(1), 68–74. https://doi.org/10.4103/ipj.ipj_93_18.
Sawangsuk, C. & Nakagasien, P. (2021). Factors predicting preventive behaviors of pulmonary tuberculosis among high school students in Bangkok. Chulalongkorn Medical Journal, 65(4), 369–78. https://doi.org/10.58837/chula.Cmj.65.4.2
Seresirikachorn, K., Thiamthat, W., Sriyuttagrai, W., Soonthornworasiri, N., Singhanetr, P., Yudtanahiran, N., & Theeramunkong, T. (2022). Effects of digital devices and online learning on computer vision syndrome in students during the COVID-19 era: An online questionnaire study. BMJ Paediatr Open, 6(1), 1–8. https://doi.org/10.1136/bmjpo-2022-001429
Wangsan, K., Upaphong, P., Assavanopakun, P., Sapbamrer, R., Sirikul, W., Kitro, A., Sirimaharaj, N., Kuanprasert, S., Saenpo, M., Saetiao, S., & Khamphichai, T. (2022). Self-Reported Computer Vision Syndrome among Thai University Students in Virtual Classrooms during the COVID-19 Pandemic: Prevalence and Associated Factors. International Journal of Environmental Research and Public Health, 19(7), 3996. https://doi.org/10.3390/ijerph19073996
Zenbaba, D., Sahiledengle, B., Bonsa, M., Tekalegn, Y., Azanaw, J., & Kumar Chattu, V. (2021). Prevalence of computer vision syndrome and associated factors among instructors in Ethiopian universities: A Web-Based Cross-Sectional Study. ScientificWorldJournal, 2021, 3384332. https://doi.org/10.1155/2021/3384332
