Valuable Features in Mobile Health Apps for Patients and Consumers: Content Analysis of Apps and User Ratings
Notice bibliographique
Résumé
BACKGROUND: The explosion of mobile phones with app capabilities coupled with increased expectations of the patient-consumers' role in managing their care presents a unique opportunity to use mobile health (mHealth) apps. OBJECTIVES: The aim of this paper is to identify the features and characteristics most-valued by patient-consumers ("users") that contribute positively to the rating of an app. METHODS: A collection of 234 apps associated with reputable health organizations found in the medical, health, and fitness categories of the Apple iTunes store and Google Play marketplace was assessed manually for the presence of 12 app features and characteristics. Regression analysis was used to determine which, if any, contributed positively to a user's rating of the app. RESULTS: Analysis of these 12 features explained 9.3% (R(2)=.093 n=234, P<.001) of the variation in an app's rating, with only 5 reaching statistical significance. Of the 5 reaching statistical significance, plan or orders, export of data, usability, and cost contributed positively to a user's rating, while the tracker feature detracted from it. CONCLUSIONS: These findings suggest that users appreciate features that save time over current methods and identify an app as valuable when it is simple and intuitive to use, provides specific instructions to better manage a condition, and shares data with designated individuals. Although tracking is a core function of most health apps, this feature may detract from a user's experience when not executed properly. Further investigation into mHealth app features is worthwhile given the inability of the most common features to explain a large portion of an app's rating. In the future, studies should focus on one category in the app store, specific diseases, or desired behavior change, and methods should include measuring the quality of each feature, both through manual assessment and evaluation of user reviews. Additional investigations into understanding the impact of synergistic features, incentives, social media, and gamification are also warranted to identify possible future trends.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».