مقدمه
در قرن حاضر گوشی‌های هوشمند به دلیل قدرت انجام عملکردهای اساسی و پیشرفته رایانه‌ای به بخش جدایی‌ناپذیر از زندگی افراد در تمام سنین در سراسر جهان تبدیل شده‌اند [1, 2]. در این میان دانشجویان سریع‌ترین پذیرندگان تکنولوژی‌های مرتبط با گوشی‌های هوشمند، از برنامه‌های مرتبط با سرگرمی و شبکه‌های اجتماعی، دریافت و ارسال ایمیل، جست‌وجو در منابع علمی، برقراری ارتباط با همکلاسی‌ها و ... از آن بهره می‌گیرند [3 ,4]. همگام با سایر تکنولوژی‌های پیشرفته (مثل تکنولوژِی‌های تصویربرداری و درمان‌های غیرتهاجمی و ...) که منجر به سهولت و تغییر در علم پزشکی شده‌اند، گوشی‌های هوشمند به علت کاربردهای بی‌شمار به طور گسترده‌ای در مجامع پزشکی نیز درحال استفاده هستند [5, 6].
گوشی‌های هوشمند نقش مهمی در ارتقای یادگیری دانشجویان پزشکی و پزشکان برای یافتن مناسب‌ترین راه‌حل درمانی و بهبود یادگیری دارند [7, 8]. این ابزارها به طبابت بالینی و تصمیم‌گیری درباره بیماران نیز کمک کرده و منجر به کاهش اشتباهات پزشکی می‌شوند. همچنین امکان مراقبت‌های پزشکی از راه دور را نیز فراهم کرده‌اند [9, 10]. با این حال استفاده نامعقول و افراطی از گوشی همراه سبب ظهور پدیده‌ای به نام اعتیاد به گوشی همراه شده است. به طوری که درسال‌های اخیر راهنمای تشخیصی و آماری اختلالات روانی (DSM-5) در قسمت اعتیاد غیرمواد (اختلال بازی در اینترنت)، به اعتیاد به گوشی‌های هوشمند نیز پرداخته است [11]. اعتیاد به گوشی‌های هوشمند جزء دسته اعتیادهای رفتاری طبقه‌بندی می‌شوند [10]. همانند هر اعتیاد دیگری تعریف آن شامل استفاده جبری است که سبب پیامدهای منفی برای فرد باشد [12].
اعتیاد به گوشی‌های هوشمند با اختلالات خواب، استرس، اضطراب، به خطر افتادن جنبه‌های گوناگون سلامت روحی و جسمی، کاهش عملکرد تحصیلی و رضایت از زندگی همراه شده است [10، 13]. به طوری که می‌تواند اثرات مخربی بر زندگی فردی و اجتماعی دانشجویان بگذارد [14]. مطالعه لپ و همکاران در سال 2014 نشان داد اعتیاد به گوشی‌های هوشمند تأثیر منفی بر عملکرد تحصیلی دانشجویان می‌گذارد [1]. رضا و همکاران در سال 2020 تأثیر مثبت اعتیاد به گوشی‌های هوشمند بر رضایت از زندگی و تأثیر منفی بر عملکرد تحصیلی دانشجویان را گزارش کردند [15].
علی‌رغم مطالعات متعددی پیرامون عوامل تأثیرگذار بر ایجاد اعتیاد به گوشی‌های هوشمند [3، 10]، تحقیقات نسبتاً محدودی درباره تأثیرات روانی اجتماعی آن در دسترس است و از طرفی با گذر زمان این تکنولوژی در حال پیشرفت بوده و ورود آن به جنبه‌های گوناگون زندگی افراد نیز در حال تغییر است [1]. درسال‌های اخیر اعتیاد به گوشی‌های هوشمند در دانشجویان به دلیل وابستگی بیش از حد به فناوری، در حال افزایش است، بنابراین لازم است تحقیقات کاملی درباره اعتیاد به گوشی‌های هوشمند و اثرات آن بر عملکرد تحصیلی و زندگی شخصی‌شان انجام شود تا دید عمیق‌تری درباره تأثیرات اعتیاد به گوشی‌های هوشمند بر عملکرد دانشجویان به دست آید. بنابراین، با توجه به شیوع زیاد استفاده از گوشی‌های هوشمند در دانشجویان پزشکی بر آن شدیم تا مطالعه‌ای با هدف تعیین رابطه اعتیاد به گوشی‌های هوشمند با استرس و رضایت از زندگی در دانشجویان دانشگاه علوم پزشکی گیلان انجام دهیم.
روش‌ها
این مطالعه مقطعی ـ تحلیلی مبتنی بر وب در دانشجویان مقطع کارآموزی و کارورزی دانشکده پزشکی دانشگاه علوم پزشکی گیلان در سال 1399به روش نمونه‌گیری در دسترس صورت گرفت. معیار ورود به پژوهش تحصیل در دانشکده پزشکی گیلان بود. معیار خروج از مطالعه ابتلا به بیماری‌های جدی روان‌پزشکی، ابتلا به بیماری‌های مزمن طبی بر اساس اظهار خود فرد بود.
برای تعیین حجم نمونه [16]، با در نظر گرفتن توان آماری 95 درصد، سطح خطای 0/05 و همبستگی به‌دست‌آمده از مطالعات پیشین [17] برابر با 0/20، حداقل حجم نمونه برابر با 327 به دست آمده است. با توجه به ریزش احتمالی نمونه‌ها به دلیل پاسخ ندادن و یا تکمیل ناقص پرسش‌نامه‌ها (تقریباً 15 درصد) و برای افزایش دقت مطالعه در نهایت 355 نفر تعیین شد.
ابزار گردآوری داده‌ها پرسش‌نامه تحت وب مشتمل بر چهار بخش بود. بخش اول اطلاعات فردی و اجتماعی (سن، جنس، عملکرد تحصیلی (معدل کارنامه موقت)، محل سکونت، وضعیت تأهل و مقطع تحصیلی) و داوطلبین در ادامه پرسش‌نامه‌های مقیاس اعتیاد به گوشی هوشمند سواری (1392)، مقیاس استرس ادراک‌شده کوهن و همکاران (1983)، مقیاس رضایت از زندگی داینر و همکاران (1985) را تکمیل کردند؛ زمان تکمیل هر پرسش‌نامه 15 الی 20 دقیقه بود. 
پرسش‌نامه اعتیاد به گوشی هوشمند (سواری؛ 1392)
پرسش‌نامه اعتیاد به گوشی هوشمند را کریم سواری (1392) برای سنجش اعتیاد و وابستگی شدید به گوشی هوشمند تهیه کرده است. این پرسش‌نامه از 13 سؤال تشکیل می‌شود که سه عامل یا مؤلفه خلاقیت‌زدایی (دارای 7 سؤال)، میل‌گرایی (3 سؤال) و احساس تنهایی (3 سؤال) را می‌سنجد [18]. در این پژوهش منظور اعتیاد به گوشی‌های هوشمند نمره‌ای است که دانشجویان به 13سؤال پرسش‌نامه اعتیاد به گوشی هوشمند می‌دهند. مشخصه‌های روان‌سنجی پرسش‌نامه در مطالعه سواری [18] مناسب گزارش شدند. روایی پرسش‌نامه از طریق تحلیل عاملی تأییدی (مدل سه عاملی) پرسش‌نامه را تأیید کرد. شاخص نیکویی برازش 0/9 بود [18]. ضریب آلفای کرونباخ برای پایایی پرسش‌نامه در مطالعه حاضر 0/86 به دست آمد که با توجه به حداقل مقدار مورد تأیید 70 درصد میزان به‌دست‌آمده نشان از پایایی و سازگار درونی سؤالات دارد. برای نمرات اعتیاد به گوشی هوشمند نمرات بین 18 تا 35 سطح وابستگی کم، نمرات بین 36 تا 72 سطح وابستگی متوسط و نمرات بین 73 تا 90 سطح وابستگی زیاد در نظر گرفته شد [18].
مقیاس استرس ادراک‌شده
پرسش‌نامه مقیاس استرس ادراک‌شده شامل 14 سؤال است که کوهن و همکاران در سال 1983 طراحی کرده‌اند [19]. مقیاس استرس ادراک‌شده، ارزیابی افراد از میزان استرس‌زایی موقعیت‌های گوناگون زندگی آن‌ها را اندازه‌گیری می‌کند. این مقیاس یک ابزار خودگزارش‌دهی مشتمل بر 14 گویه است. در این مقیاس از افراد خواسته می‌شود که روی یک طیف پنج درجه‌ای از صفر (هرگز) تا 4 (بسیاری اوقات) مشخص کنند. سؤالات 4 ، 5 ، 6 ، 7 ، 9 ، 10 و 13 به طور معکوس نمره‌گذاری می‌شوند (هرگز نمره 4 و بسیاری از اوقات نمره صفر). میزان نمره در این پرسش‌نامه بین صفر تا 56 است که اعداد بیشتر نشان‌دهنده استرس ادراک‌شده بیشتر هستند. صفایی و همکاران استرس ادراک پایایی و روایی پرسش‌نامه را سنجیده‌اند که نشان داده شد در جمعیت ایرانی دارای پایایی (آلفاکرونباخ 0/76) و روایی (0/84) مناسب است [20]. در مطالعه حاضر برای پرسش‌نامه فوق ضریب آلفاکرونباخ 0/74 به دست آمد که با توجه به حداقل مقدار تأییدشده 70 درصد، میزان به‌دست‌آمده نشان از پایایی و سازگاری درونی سؤالات دارد.
مقیاس رضایت از زندگی
مقیاس رضایت از زندگی شامل 5 آیتم به صورت سؤالات لیکرت است (بدین‌صورت که گزینه کاملاً مخالف هستم، نمره یک و گزینه کاملاً موافق هستم نمره 7 گرفته است). این پرسش‌نامه را داینر و همکاران طراحی کرده‌اند که دارای حداقل نمره 5 و حداکثر نمره 35 است [21]. در این پرسش‌نامه نمره بیشتر از 31 نشان‌دهنده رضایت بسیار زیاد از زندگی، نمره 26 تا 30 رضایت نسبی، نمره 21 تا 25 نشان‌دهنده رضایت مختصر، نمره 20 خنثی، نمره 15 تا 19 نشان‌دهنده نارضایتی مختصر، نمره 10 تا 14 بیانگر نارضایتی متوسط و نمره 5 تا 9 نشان‌دهنده نارضایتی شدید از زندگی است. بیانی و همکاران اعتبار مقیاس رضایت از زندگی را با استفاده از روش آلفای کرونباخ 0/83 و با روش بازآزمایی 0/69 در جمعیت ایرانی به دست آوردند [22]. در مطالعه حاضر برای پرسش‌نامه فوق ضریب آلفا کرونباخ 0/75 به دست آمد که با توجه به حداقل مقدار تأییدشده 70 درصد، میزان به‌دست‌آمده نشان از پایایی و سازگار درونی سؤالات دارد.
تحلیل داده‌ها در نرم‌افزار SPSS نسخه 24 با در نظر گرفتن سطح خطای 0/05 انجام شد. یافته‌های توصیفی با استفاده از شاخص‌های پراکندگی فراوانی، درصد، میانگین و انحراف استاندارد گزارش شدند. نرمال بودن توزیع داده‌ها با استفاده از شاخص‌های کجی و کشیدگی گزارش شد. برای بررسی روابط دو‌به‌دو بین متغیرها از ضریب همبستگی پیرسون استفاده شد. برای بررسی نقش متغیرهای استرس و رضایت از زندگی در پیش‌بینی اعتیاد به گوشی هوشمند از آزمون رگرسیون چندگانه به روش همزمان (Enter) استفاده شد.
یافته‌ها
در این پژوهش 331 دانشجو رشته پزشکی از دانشگاه علوم پزشکی گیلان مشارکت داشتند، نتایج جدول شماره 1 نشان می‌دهد که میانگین سنی دانشجویان 1/58±‌23/90 سال و معدل تحصیلی 1/10±‌16/24 بود.


بیشتر شرکت‌کنندگان کارورز (55/3 درصد)، پسر (54/1 درصد) و مجرد (90/9 درصد) بودند و در منزل شخصی (40/2 درصد) سکونت داشتند. در جدول شماره 2 پراکندگی متغیرهای  اعتیاد به گوشی هوشمند، استرس و رضایت از زندگی و ضرایب همبستگی پیرسون ارائه شده است.


شاخص‌های کجی و کشیدگی متغیرها بین 2 و 2- است که نشان‌دهنده نرمال بودن توزیع داده‌هاست، بنابراین امکان اجرای آزمون‌های تحلیلی پارامتری وجود دارد. همچنین برای برآورد دقیق‌تر در آزمون‌های تحلیلی با استفاده از باکس پلات و آزمون فاصله‌ای ماهالانوبیس داده‌های پرت از تحلیل خارج شدند. اعتیاد به گوشی هوشمند به طور مثبت با استرس (P=0/01, r=0/65) و به طور منفی با رضایت از زندگی (P=0/01, r=-0/58) همبستگی معنادار دارد (P>0/01). همچنین بین استرس و رضایت از زندگی همبستگی منفی و معنادار (P=0/01, r=-0/53) وجود دارد (P>0/01). در جدول شماره 3 میانگین نمرات متغیرهای اعتیاد به گوشی هوشمند، استرس و رضایت از زندگی با اطلاعات جمعیت‌شناختی (مقطع، جنس، وضعیت تأهل و محل سکونت) با آزمون‌های تی مستقل و تحلیل واریانس مقایسه شده‌اند و ارتباط آن‌ها با متغیرهای سن و معدل تحصیلی با استفاده از ضریب همبستگی پیرسون محاسبه شده است.


نتایج ضریب همبستگی پیرسون نشان داد که متغیر معدل تحصیلی با اعتیاد به گوشی هوشمند (P=0/01, r=-0/68)، استرس (P=0/01, r=-0/71) و رضایت از زندگی (P=0/01, r=0/60) ارتباط معنادار دارد. نتایج آزمون لون نشان داد که همگونی خطای واریانس‌ها در متغیرهای اعتیاد به گوشی هوشمند، استرس و رضایت از زندگی به تفکیک گروه‌بندی‌ها برقرار بود (P<0/05). نتایج آزمون تی مستقل نشان داد که دختران نمره بیشتری در رضایت از زندگی کسب کردند (P=0/01, t=3/44). افراد مجرد نمرات بیشتری در اعتیاد به گوشی هوشمند (P=0/03, t=2/15) و استرس (P=0/01, t=2/64) و نمره کمتری در رضایت از زندگی (P=0/02, t=-2/30) به دست آوردند. نتایج آزمون تحلیل واریانس یک راهه نشان داد که بین محل سکونت و اعتیاد به گوشی هوشمند (P=0/01, F=20/59)، استرس (P=0/01, F=32/28) و رضایت از زندگی (P=0/01, F=22/62) تفاوت وجود دارد. نتایج آزمون تبعی بن‌فرونی نشان داد که به ترتیب نمره اعتیاد به گوشی هوشمند در دانشجویان ساکن درخوابگاه (11/06=اختلاف میانگین) و منزل شخصی (9/12=اختلاف میانگین) بیشتر از دانشجویانی است که همراه خانواده زندگی می‌کردند (0/01=P). نتایج آزمون تبعی بن‌فرونی نشان داد که به ترتیب نمره استرس در دانشجویان ساکن درخوابگاه (14/18=اختلاف میانگین) و منزل شخصی (12/36=اختلاف میانگین) بیشتر از دانشجویانی است که همراه خانواده زندگی می‌کردند (0/01=P). نتایج آزمون تبعی بن‌فرونی نشان داد که به ترتیب نمره رضایت از زندگی در دانشجویان ساکن درخوابگاه (7/97=اختلاف میانگین) و منزل شخصی (4/34=اختلاف میانگین) کمتر از دانشجویانی است که همراه خانواده زندگی می‌کردند؛ همچنین نمره دانشجویانی که در منزل شخصی زندگی می‌کنند (3/62=اختلاف میانگین) بیشتر از دانشجویانی است که در خوابگاه سکونت داشتند (0/01=P).
برای بررسی نقش متغیرهای پیش‌بین (استرس، رضایت از زندگی) در پیش‌بینی اعتیاد به گوشی هوشمند، از آزمون رگرسیون چندگانه به روش همزمان استفاده شد. قبل از اجرای این آزمون به بررسی پیش‌فرض‌های آن پرداخته شد؛ آماره دوربین ـ واتسون 1/55 محاسبه شد که به دلیل قرار گرفتن در محدوده 1/5 و 2/5 نشان‌دهنده استقلال خطاهاست. عامل تورم واریانس (VIF) در همه متغیرها کمتر از 10 و شاخص تحمل بیشتر از 0/20 محاسبه شد که نشان‌دهنده هم‌خط نبودن متغیرهاست. به دلیل برقرار نبودن پیش‌فرض استقلال خطاها و هم‌خط نبودن، متغیرهای جمعیت‌شناختی وارد معادله رگرسیون نشدند. 
نتایج خلاصه مدل رگرسیون در جدول شماره 4 نشان می‌دهد که متغیرهای استرس و رضایت از زندگی بر اساس ضریب R2 تعدیل شده، در مجموع 57 درصد از واریانس متغیر اعتیاد به گوشی هوشمند را در دانشجویان تبیین می‌کنند (P=0/001, F=215/84).


در مدل رگرسیون اثر استرس (0/52=β) و رضایت از زندگی (0/34-=β) در پیش‌بینی اعتیاد به گوشی هوشمند که با توجه به مقادیر t معنادار است. مقدار β برای این دو متغیر نشان داد که در صورت ثابت بودن سایر شرایط با افزایش یک واحد در این دو متغیر به ترتیب به اندازه 0/52 و 0/34- واحد افزایش در نمره اعتیاد به گوشی هوشمند رخ می‌دهد.
بحث و نتیجه‌گیری
مطالعه حاضر با هدف تعیین ارتباط بین اعتیاد به گوشی‌های هوشمند با استرس، عملکرد تحصیلی و رضایت از زندگی در دانشجویان پزشکی انجام شد. نتایج نشان داد رابطه معنادار و مستقیم بین اعتیاد به گوشی‌های هوشمند با استرس و رابطه معنادار و معکوس بین اعتیاد به گوشی‌های هوشمند با رضایت از زندگی وجود دارد. همچنین بین اعتیاد به گوشی‌های هوشمند با معدل رابطه معنادار و معکوس مشاهده شد. 38/1 درصد از دانشجویان نمره اعتیاد زیاد داشتند، در مطالعه چینگ و همکاران در یک مدرسه پزشکی میزان اعتیاد به گوشی‌های هوشمند 46/9 درصد گزارش شد [23]. همچنین این میزان در بین دانشجویان پزشکی و دانشجویان دندان‌پزشکی در مطالعه الجما به ترتیب 48 درصد و 71/9 درصد [24] و در دانشجویان پزشکی  درکشور هندوستان در مطالعه ستورامان 85/4 درصد [25] و در مطالعه الحزمی دانشجویان پزشکی عربی 36/5 درصد گزارش شد [26] که نسبت به مطالعات پیشین اعتیاد کمتری را نشان می‌دهند. همچنین میزان اعتیاد به گوشی‌های هوشمند در بین دانشجویان پزشکی در مطالعه لی درکشور مالزی 40/6 درصد به دست آمد [27]. زیاد بودن میزان اعتیاد به گوشی‌های هوشمند را می‌توان نتیجه افزایش در میزان دسترسی به گوشی‌های هوشمند در سراسر دنیا و آسان بودن برقراری ارتباط با دیگران دانست. دانشجویان پزشکی در مقایسه با دانشجویان سایر رشته‌ها، علاوه بر استفاده از برنامه‌های شبکه‌های اجتماعی، از برنامه‌های گوناگون آموزشی و کمکی نیز استفاده می‌کنند. در واقع دانشجویان پزشکی از گوشی‌های هوشمند برای دسترسی به گایدلاین‌ها، مقالات، کتاب‌های الکترونیکی و نشریات آنلاین، محاسبه دوز داروها، تصمیم‌گیری بالینی و تشخیص بهره می‌برند. بنابراین، گوشی‌های هوشمند برای دانشجویان پزشکی هم کاربرد شخصی و هم کاربرد حرفه‌ای و شغلی دارد. برخی مطالعات ادعا کرده‌اند که میزان استفاده از گوشی‌های هوشمند در مراحل بالاتر تحصیلی بیشتر است [20, 21, 22, 23, 24, 25 ،14 ،13] و این یافته با نتایج مطالعه حاضر همخوانی دارد، چراکه میانگین نمره اعتیاد به گوشی‌های هوشمند در بین کارورزان و اندکی از کارآموزان بیشتر است. 
از دیگر یافته‌های مطالعه حاضر ارتباط معنادار و معکوسی بین اعتیاد به گوشی‌های هوشمند و معدل تحصیلی بود. مطالعات بولاک [28] و هوانگ [29] نشان داده است که استفاده از گوشی‌های هوشمند در طول کلاس درس با موفقیت کم تحصیلی دانشجویان پزشکی مرتبط است. فعالیت‌هایی مانند بازی‌های ویدیوئی یا استفاده از اینترنت با میانگین معدل پایین‌تر و استرس و اضطراب بیشتر همراه است. سرعت بالای دستیابی اطلاعات در گوشی‌های هوشمند منجر به محدود شدن یادگیری عمقی و جست‌وجوی دانش می‌شود که در نهایت یادگیری سطحی و نمره‌های پایین‌تر را به همراه دارد. در مطالعه ای سیلوا حدود 96/8 درصد از دانشجویان از گوشی‌های همراه خود در حین کلاس‌های درس و کنفرانس‌ها استفاده می‌کردند. تنها 43/7 درصد دانشجویان به مدت بیش از 10 دقیقه از گوشی‌های هوشمند خود برای اهداف آموزشی استفاده می‌کردند و این مقدار بیشتر در بین دانشجویان کارورز دیده شد [30]. یادگیری از طریق گوشی‌های هوشمند به تلاش و زحمت کمتری احتیاج دارد، بنابراین، دانشجویان استفاده از آن را به یادگیری‌های عمقی ترجیح می‌دهند.
طبق نتایج مطالعه حاضر، اعتیاد به گوشی‌های هوشمند با میزان استرس ارتباط آماری معنادار و مستقیم داشت که با نتایج مطالعات لی [27] و سماها و همکاران [17] در سال 2016 نیز همخوانی دارد. برخی مطالعات حاکی از آن است که مصرف بی‌رویه گوشی‌های هوشمند منجر به استرس می‌شود. در حالی که مطالعات دیگر اذعان می‌کنند استرس زیاد باعث اعتیاد به گوشی‌های هوشمند می‌شود [31, 32, 33]. واضح است که دانشجویان پزشکی در طول تحصیل استرس زیادی را تحمل می‌کنند و در نتیجه قدرت خودکنترلی‌شان کاهش می‌یابد و این موضوع آن‌ها را مستعد اعتیاد به گوشی‌های هوشمند می‌کند. ارتباط آماری معنادار و معکوس بین اعتیاد به گوشی‌های هوشمند و میزان رضایت از زندگی از دیگر یافته‌های مطالعه حاضر بود. برخلاف نتایج ما، در مطالعه چویی در سال 2015، بین رضایت از زندگی و مصرف گوشی‌های هوشمند ارتباط مثبتی دیده شد. این مطالعه ادعا می‌کند لذت و رضایت در زندگی می‌تواند به دنبال استفاده فرد از برنامه‌های سرگرم‌کننده گوشی به دست آید [34]. مطالعه وانگ و همکاران در سال 2008 نیز اذعان می‌کند لذت انجام بازی‌های اینترنتی با میزان زیاد رضایت از زندگی مرتبط است [31]. در توجیه این یافته، می‌توان گفت از آن جایی که میزان استرس با میزان مصرف گوشی‌های هوشمند افزایش می‌یابد، می‌توان استرس ادراک‌شده افزایش‌یافته را عاملی برای کاهش رضایت از زندگی دانست و دانشجویانی که استرس ادراک‌شده کمتری را اظهار کردند، میزان رضایت از زندگی بیشتری داشتند. از طرف دیگر می‌توان ادعا کرد دانشجویان با رضایت از زندگی کمتر، بیشتر در معرض عملکرد تحصیلی ضعیف قرار دارند و به دنبال آن استرس ادراک‌شده بیشتری را تجربه می‌کنند و در نهایت بیشتر در معرض اعتیاد به گوشی‌های هوشمند قرار دارند. بررسی ارتباط ویژگی‌های جمعیت‌شناختی دانشجویان با رضایت از زندگی، استرس و عملکرد تحصیلی نشان داد که متأهل بودن و زندگی در منزل پدری منجر به کاهش استرس و افزایش میزان رضایت از زندگی و بهبود عملکرد تحصیلی می‌شود. در توجیه این یافته شاید بتوان گفت زندگی در منزل پدری با توجه به کاهش بخش زیادی از هزینه‌های زندگی فرد مانند مسکن، همچنین ارتباط نزدیک با افراد خانواده و احساس در دسترس بودن حمایت آن‌ها به کاهش استرس و افزایش رضایت از زندگی و عملکرد تحصیلی منجر می‌شود.
از محدودیت‌های مطالعه حاضر می‌توان به در نظر نگرفتن عوامل بیرونی و محیطی استرس‌زا اشاره کرد؛ همچنین این مطالعه تنها روی دانشجویان پزشکی انجام شده است و تفسیر نتایج آن برای سایر گروه‌ها درست نیست. افزایش اعتیاد به گوشی‌های هوشمند با استرس ادراک‌شده بیشتر و رضایت کمتر از زندگی در دانشجویان پزشکی همراه بود. این یافته می‌تواند بینش مفیدی برای سیاست‌گذاران برای پی‌ریزی برنامه‌های مداخله‌ای کاهش اثرات روحی ـ روانی اعتیاد به گوشی‌های هوشمند در دانشجویان فراهم آورد.

ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
این مقاله مورد تأیید کمیته اخلاق دانشگاه علوم پزشکی گیلان قرار گرفته است (کد: IR.GUMS.REC.1399.423). 

حامی مالی
این تحقیق هیچ‌گونه کمک مالی از سازمان‌های تأمین مالی در بخش‌های عمومی، تجاری یا غیرانتفاعی دریافت نکرد.

مشارکت نویسندگان
 تمام نویسندگان در طراحی، اجرا و نگارش همه بخش‌های پژوهش حاضر مشارکت داشته‌اند.

تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.

References
1.Lepp A, Li J, Barkley JE, Salehi-Esfahani S. Exploring the relationships between college students’ cell phone use, personality and leisure. Computers in human behavior. 2015; 43:210-9. [DOI:10.1016/j.chb.2014.11.006]
2.Karsay K, Schmuck D, Matthes J, Stevic A. Longitudinal effects of excessive smartphone use on stress and loneliness: The moderating role of self-disclosure. Cyberpsychology, Behavior, and Social Networking. 2019; 22(11):706-13. [DOI:10.1089/cyber.2019.0255] [PMID]
3.Thomée S, Härenstam A, Hagberg M. Mobile phone use and stress, sleep disturbances, and symptoms of depression among young adults-a prospective cohort study. BMC public health. 2011; 11:66. [DOI:10.1186/1471-2458-11-66] [PMID] [PMCID]
4.Smith A, Raine L, Zickuhr K. College students and technology. Pew Research Center. 2011. https://www.pewresearch.org/internet/2011/07/19/college-students-and-technology/
5.Jamal A, Temsah MH, Khan SA, Al-Eyadhy A, Koppel C, Chiang MF. Mobile phone use among medical residents: a cross-sectional multicenter survey in Saudi Arabia. JMIR mhealth and uhealth. 2016; 4(2):e61. [DOI:10.2196/mhealth.4904] [PMID] [PMCID]
6.Raiman L, Antbring R, Mahmood A. WhatsApp messenger as a tool to supplement medical education for medical students on clinical attachment. BMC medical education. 2017; 17(1):7. [DOI:10.1186/s12909-017-0855-x] [PMID] [PMCID]
7.Kligfield P. Laënnec and the discovery of mediate auscultation. The American journal of medicine. 1981; 70(2):275-8. [DOI:10.1016/0002-9343(81)90762-2]
8.Sandholzer M, Deutsch T, Frese T, Winter A. Predictors of students’ self-reported adoption of a smartphone application for medical education in general practice. BMC medical education. 2015; 15:91 [DOI:10.1186/s12909-015-0377-3] [PMID] [PMCID]
9.Masters K, Ellaway RH, Topps D, Archibald D, Hogue RJ. Mobile technologies in medical education: AMEE guide No. 105. Medical teacher. 2016; 38(6):537-49. [DOI:10.3109/0142159X.2016.1141190] [PMID]
10.Joshi N, Lin M. The smartphone: how it is transforming medical education, patient care, and professional collaboration. African Journal of Emergency Medicine. 2013; 3(4):152-4. [DOI:10.1016/j.afjem.2013.07.003]
11.Ibrahim NA, Salisu M, Popoola AA, Ibrahim TI. Use of smartphones among medical students in the clinical years at a medical school in Sub-Sahara Africa: A pilot study. Journal of Mobile Technology in Medicine. 2014; 3(2):28-34. [DOI:10.7309/jmtm.3.2.5]
12.Yahyazadeh, S, Fallahi-Khoshknab M, Norouzi K, Dalvandi A. [The prevalence of smart phone addiction among students in medical sciences universities in Tehran 2016 (Persian)]. Advances in Nursing & Midwifery. 2017; 26(94):1-9. https://iranjournals.nlai.ir/handle/123456789/728532
13.Chen B, Liu F, Ding S, Ying X, Wang L, Wen Y. Gender differences in factors associated with smartphone addiction: a cross-sectional study among medical college students. BMC psychiatry. 2017; 17(1):341. [DOI:10.1186/s12888-017-1503-z] [PMID] [PMCID]
14.Nayak JK. Relationship among smartphone usage, addiction, academic performance and the moderating role of gender: A study of higher education students in India. Computers & Education. 2018; 123:164-73. [DOI:10.1016/j.compedu.2018.05.007]
15.Raza SA, Qazi W, Umer B, Khan KA. Influence of social networking sites on life satisfaction among university students: a mediating role of social benefit and social overload. Health Education. 2020; 120(2):141-64. [DOI:10.1108/HE-07-2019-0034]
16.Fesharaki M, Hosseini F. Determination of sample size in medical research. Razi Journal of Medical Sciences. 1995; 1:226-31. http://rjms.iums.ac.ir/article-1-1887-en.pdf
17.Samaha M, Hawi NS. Relationships among smartphone addiction, stress, academic performance, and satisfaction with life. Computers in human behavior. 2016; 57:321-5. [DOI:10.1016/j.chb.2015.12.045]
18.Sevari K. [Construction andvalidation of the mobile phone addiction questionnair (Persian)]. Educational Measurement. 2014; 4(15):126-42. https://jem.atu.ac.ir/article_272_en.html
19.Cohen S, Kamarck T, Mermelstein R. A global measure of perceived stress. Journal of health and Social Behavior. 1983; 24(4):385-96. [DOI:10.2307/2136404] [PMID]
20.Safaee M, Shokri O. [Measuring stress in cancer patients: Factor validity of perceived stress scale in Iran (Persian)].  Iranian Journal of Psychiatric Nursing. 2014; 2(1):13-22. https://www.sid.ir/en/journal/ViewPaper.aspx?id=372609
21.Diener ED, Emmons RA, Larsen RJ, Griffin S. The satisfaction with life scale. Journal of personality assessment. 1985; 49(1):71-5. [DOI:10.1207/s15327752jpa4901_13] [PMID]
22.Bayani AA, Koocheky AM, Goodarzi H. [The reliability and validity of the satisfaction with life scale (Persian)]. Journal of Iranian psychologists. 2007; 3(11):259-65. jip.azad.ac.ir/article_512406_ed7026f5778e9ddc54b1f27b01209958.pdf
23.Ching SM, Yee A, Ramachandran V, Lim SM, Sulaiman WA, Foo YL, et al. Validation of a malay version of the smartphone addiction scale among medical students in Malaysia. PloS one. 2015; 10(10):e0139337. [DOI:10.1371/journal.pone.0139337] [PMID] [PMCID]
24.Aljomaa SS, Qudah MF, Albursan IS, Bakhiet SF, Abduljabbar AS. Smartphone addiction among university students in the light of some variables. Computers in Human Behavior. 2016; 61:155-64. [DOI:10.1016/j.chb.2016.03.041]
25.Sethuraman AR, Rao S, Charlette L, Thatkar PV, Vincent V. Smartphone addiction among medical college students in the Andaman and Nicobar Islands. International Journal of Community Medicine and Public Health. 2018; 5(10):4273-7. [DOI:10.18203/2394-6040.ijcmph20183867]
26.Alhazmi AA, Alzahrani SH, Baig M, Salawati EM, Alkatheri A. Prevalence and factors associated with smartphone addiction among medical students at King Abdulaziz University, Jeddah. Pakistan journal of medical sciences. 2018; 34(4):984-8. [DOI:10.12669/pjms.344.15294] [PMID] [PMCID]
27.Lei LY, Ismail MA, Mohammad JA, Yusoff MS. The relationship of smartphone addiction with psychological distress and neuroticism among university medical students. BMC psychology. 2020; 8(1):97. [DOI:10.1186/s40359-020-00466-6] [PMID] [PMCID]
28.Bullock A, Webb K. Technology in postgraduate medical education: A dynamic influence on learning? Postgraduate Medical Journal. 2015; 91(1081):646-50. [DOI:10.1136/postgradmedj-2014-132809] [PMID] [PMCID]
29.Wang JL, Wang HZ, Gaskin J, Wang LH. The role of stress and motivation in problematic smartphone use among college students. Computers in Human Behavior. 2015; 53:181-8. [DOI:10.1016/j.chb.2015.07.005]
30.e Silva MP, de Souza Matos BD, da Silva Ezequiel O, Lucchetti AL, Lucchetti G. The use of smartphones in different phases of medical school and its relationship to internet addiction and learning approaches. Journal of Medical Systems. 2018; 42(6):106. [DOI:10.1007/s10916-018-0958-x] [PMID]
31.Wang ES, Chen LS, Lin JY, Wang MC. The relationship between leisure satisfaction and life satisfaction of adolescents concerning online games. Adolescence. 2008; 43(169):177-84. [PMID]
32.Dixit S, Shukla H, Bhagwat AK, Bindal A, Goyal A, Zaidi AK, et al. A study to evaluate mobile phone dependence among students of a medical college and associated hospital of central India. Indian Journal of Community Medicine: Official Publication of Indian Association of Preventive & Social Medicine. 2010; 35(2):339-41. [DOI:10.4103/0970-0218.66878] [PMID] [PMCID]
33.Jeong SH, Kim H, Yum JY, Hwang Y. What type of content are smartphone users addicted to?: SNS vs. games. Computers in Human Behavior. 2016; 54:10-7. [DOI:10.1016/j.chb.2015.07.035]
34.Chui RC. Smartphone usage, social relations and life satisfaction of Hong Kong college students. In: . Ma WW, Yuen  AH, Park  J, Lau  WW, Deng  L, editors. New media, knowledge practices and multiliteracies. 1^th ed. Singapore: Springer; 2015.[DOI:10.1007/978-981-287-209-8_16]