ปัจจัยทำนายพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของนักเรียนมัธยมศึกษาตอนปลายในกรุงเทพมหานคร

Main Article Content

พิมพ์พิสุทธิ์ แสงอรุณ
เสาวรส มีกุศล
เวหา เกษมสุข

บทคัดย่อ

บทนำ : คอมพิวเตอร์วิชั่นซินโดรมเป็นกลุ่มอาการของการเจ็บป่วยทางตา การมองเห็น รวมถึงระบบกระดูกกับกล้ามเนื้อที่เกิดจากการใช้งานอุปกรณ์อิเล็กทรอนิกส์เป็นเวลา 2-3 ชั่วโมงต่อวัน การป้องกันไม่ให้เกิดคอมพิวเตอร์วิชั่นซินโดรมจะช่วยลดผลกระทบต่อร่างกายตลอดจนคุณภาพชีวิตและประสิทธิภาพในการเรียนได้


วัตถุประสงค์การวิจัย : เพื่อศึกษาอำนาจการทำนายของปัจจัยนำ ปัจจัยเอื้อ และปัจจัยเสริมต่อพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของนักเรียนมัธยมศึกษาตอนปลายในกรุงเทพมหานคร


วิธีการดำเนินการวิจัย : การวิจัยเชิงสหสัมพันธ์เพื่อหาอำนาจการทำนายนี้ ศึกษาในนักเรียนมัธยมศึกษาตอนปลาย โรงเรียนสังกัดสำนักงานเขตพื้นที่การศึกษามัธยมศึกษา กรุงเทพมหานคร เขต 1 จำนวน 282 คน เก็บข้อมูลโดยใช้แบบสอบถาม วิเคราะห์ข้อมูลโดยใช้สถิติเชิงพรรณนาและสถิติถดถอยพหุคูณ


ผลการวิจัย : กลุ่มตัวอย่างส่วนใหญ่มีพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมระดับปานกลาง (ร้อยละ 71.6) ความรอบรู้ด้านสุขภาพเกี่ยวกับกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมและแรงสนับสนุนทางสังคมจากเพื่อนและโรงเรียนสามารถร่วมกันทำนายพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของกลุ่มตัวอย่างได้ร้อยละ 21.8 (R2=.218, df=2, F=38.922, p<.001)


สรุปผล : ความรอบรู้ด้านสุขภาพ และแรงสนับสนุนทางสังคมจากเพื่อนและโรงเรียน สามารถร่วมกันทำนายพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของกลุ่มตัวอย่างได้ ส่วนระยะเวลาการใช้งานอุปกรณ์อิเล็กทรอนิกส์ และแรงสนับสนุนทางสังคมจากครอบครัวไม่สามารถทำนายพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของกลุ่มตัวอย่างได้

Downloads

Download data is not yet available.

Article Details

รูปแบบการอ้างอิง
แสงอรุณ พ., มีกุศล เ., & เกษมสุข เ. (2026). ปัจจัยทำนายพฤติกรรมป้องกันกลุ่มอาการคอมพิวเตอร์วิชั่นซินโดรมของนักเรียนมัธยมศึกษาตอนปลายในกรุงเทพมหานคร. วารสารวิจัยทางวิทยาศาสตร์สุขภาพ วิทยาลัยพยาบาลบรมราชชนนี จังหวัดนนทบุรี, 20(2), e285451. สืบค้น จาก https://he01.tci-thaijo.org/index.php/JHR/article/view/285451
ประเภทบทความ
นิพนธ์ต้นฉบับ

เอกสารอ้างอิง

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). ปัจจัยที่มีความสัมพันธ์ต่อพฤติกรรมปองกันกลุ่มอาการผิดปกติทางระบบโครงร่างและกล้ามเนื้อของผู้ที่ทำงานกับคอมพิวเตอร์. 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