Public Health Guidelines for Physical Activity: Is There an App for That? A Review of Android and Apple App Stores
Notice bibliographique
Résumé
BACKGROUND: Physical activity participation is an important behavior for modifying lifestyle-related disease risk. Mobile health apps for chronic disease management and prevention are being developed at a rapid rate. However, it is unclear whether these apps are evidence-based. Current public health recommendations for physical activity participation for adults highlight the importance of engaging in 150 minutes weekly of purposeful exercise, and muscle strengthening activities on at least 2 days of the week. OBJECTIVE: The aims of the present review were to (1) identify available evidence-based physical activity apps, and (2) identify technological features that could be leveraged to improve health outcomes. METHODS: iTunes and Google Play mobile app stores were searched using keyword and category searching during a single day (February 18, 2014) for physical activity apps available in English. The description pages of eligible apps were reviewed by 4 independent reviewers for evidence-based content, technological, and descriptive features. An a priori subset of apps was downloaded for further review (n=6 affiliated with a non-commercial agency; n=10 top rated; n=10 random selection), and developers were contacted for information regarding evidence-informed content. RESULTS: The initial search yielded 2400 apps, of which 379 apps (n=206 iTunes; n=173 Google Play) were eligible. Primary results demonstrated no apps (n=0) adhering to evidence-based guidelines for aerobic physical activity, and 7 out of 379 implementing evidence-based guidelines for resistance training physical activity. Technological features of apps included social networking (n=207), pairing with a peripheral health device (n=61), and measuring additional health parameters (n=139). Secondary results revealed 1 app that referenced physical activity guidelines (150 minutes/weekly of exercise), and demonstrated that apps were based on various physical activity reports (n=4) or personal expertise (n=2). CONCLUSIONS: The present study demonstrated a shortage of evidence-based physical activity apps. This gap underscores the need for development of evidence-informed mobile apps. Results highlight the opportunity to develop evidence-informed mobile apps that can be used clinically to enhance health outcomes.
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 | 0,012 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».