MétaCan
Menu
Retour à la cohorte
Enregistrement W2039119864 · doi:10.2196/mhealth.2709

“Let’s get Wasted!” and Other Apps: Characteristics, Acceptability, and Use of Alcohol-Related Smartphone Applications

2013· article· en· W2039119864 sur OpenAlexvenueno aff
Emma R. Weaver, Danielle Horyniak, Rebecca Jenkinson, Paul Dietze, Megan S. C. Lim

Notice bibliographique

RevueJMIR mhealth and uhealth · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilBurnet Institute
Mots-clésmHealthAndroid (operating system)Internet privacyHealth promotionSocial mediaApp storePromotion (chess)AdvertisingMedicinePsychologyWorld Wide WebPublic healthComputer sciencePsychological interventionBusinessNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Smartphone applications ("apps") offer a number of possibilities for health promotion activities. However, young people may also be exposed to apps with incorrect or poor quality information, since, like the Internet, apps are mostly unregulated. Little is known about the quality of alcohol-related apps or what influence they may have on young people's behavior. OBJECTIVE: To critically review popular alcohol-related smartphone apps and to explore young people's opinions of these apps, their acceptability, and use for alcohol-related health promotion. METHODS: First, a content analysis of 500 smartphone apps available via Apple iTunes and Android Google Play stores was conducted. Second, all available blood alcohol concentration (BAC) apps were tested against four individual case profiles of known BAC from a previous study. Third, two focus group discussions explored how young people use alcohol-related apps, particularly BAC apps. RESULTS: 384 apps were included; 50% (192) were entertainment apps, 39% (148) were BAC apps, and 11% (44) were health promotion and/or stop drinking-related apps. When testing the BAC apps, there was wide variation in results, with apps tending to overestimate BAC scores compared with recorded scores. Participants were skeptical of the accuracy of BAC apps, and there was an overall concern that these apps would be used as a form of entertainment, further encouraging young people to drink, rather than reduce their drinking and risk taking. CONCLUSIONS: The majority of popular alcohol-related apps encouraged alcohol consumption. Apps estimating blood alcohol concentration were widely available but were highly unreliable. Health departments and prominent health organizations need to endorse alcohol smartphone apps that are accurate and evidence-based to give specific apps credibility in the ever-expanding market of unregulated apps.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,427
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations111
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207