MétaCan
Menu
Retour à la cohorte
Enregistrement W2072990923 · doi:10.2196/mhealth.3262

Exploring the Usability of a Mobile App for Adolescent Obesity Management

2014· article· en· W2072990923 sur OpenAlexvenueno aff
Grace O’Malley, Grainne Dowdall, Amanda Burls, Ivan J. Perry, Noirin Curran

Notice bibliographique

RevueJMIR mhealth and uhealth · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesHealth Research BoardVodafone Foundation
Mots-clésMobile appsUsabilitymHealthObesityPsychological interventionIntervention (counseling)Weight managementSedentary behaviorMobile technologyBehavior changePhysical activityInternet privacyMedicineMobile deviceComputer scienceWorld Wide WebPhysical therapyHuman–computer interactionWeight lossNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obesity is a global epidemic. Behavioral change approaches towards improving nutrition, increasing physical activity level, improving sleep, and reducing sitting time are recommended as best practices in adolescent obesity management. However, access to evidence-based treatment is limited and portable technologies such as mobile apps may provide a useful platform to deliver such lifestyle interventions. No evidence-based validated app exists for obesity intervention; therefore, a novel mobile app (Reactivate) was developed for use in the Temple Street W82GO Healthy Lifestyles Program (W82GO). OBJECTIVE: This study aimed to test the usability (technical effectiveness, efficiency, and user satisfaction) of the Reactivate mobile app in obese adolescents. METHODS: Ten adolescents (7 males and 3 females, aged 12-17 years) who had been treated for obesity (>98th percentile for body mass index) at the Temple Street Children's University Hospital were recruited. Participants were given 8 tasks to complete in order to test the technical effectiveness of the app. A research assistant timed the user while completing each task in order to test the relative user efficiency of the app (time-on-task). The tasks fell into 5 categories and required the user to enter personal settings, find and answer surveys, create a message, use the goal setting feature, and enter details regarding their weight and height. In exploration of user satisfaction, each participant completed the standardized software usability measurement inventory (SUMI), which measures 5 aspects of user satisfaction: efficiency, effect, helpfulness, controllability, and learnability. Descriptive statistics were used to explore the mean relative user efficiency and SUMI scores. RESULTS: Mean age was 14.26 (SD 1.58) years. All adolescents completed each of the tasks successfully. The mean relative user efficiency scores were two to three times that of an expert user. Users responded that they would use Reactivate to monitor their growth over time, for motivation, and for goal setting. All users described Reactivate as an important mobile app. CONCLUSIONS: Our study describes the usability of a mobile app used in adolescent obesity management. Adolescents found Reactivate easy to use and their SUMI results indicated that the app scored high on user satisfaction. Usability testing is an important step towards refining the development of the Reactivate app, which can be used in the treatment of obesity. The study on the clinical efficacy of the Reactivate app is currently underway.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,160
Tête enseignante GPT0,454
Écart entre enseignants0,294 · 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'étudeAutre devis
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

Citations99
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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