Safe Sex Messages Within Dating and Entertainment Smartphone Apps: A Review
Notice bibliographique
Résumé
BACKGROUND: Smartphone apps provide a new platform for entertainment, information distribution, and health promotion activities, as well as for dating and casual sexual encounters. Previous research has shown high acceptability of sexual health interventions via smartphone apps; however, sexual health promotion apps were infrequently downloaded and underused. Integrating sexual health promotion into established apps might be a more effective method. OBJECTIVE: The objective of our study was to critically review popular sex-related apps and dating apps, in order to ascertain whether they contain any sexual health content. METHODS: Part 1: In January 2015, we used the term "sexual" to search for free apps in the Apple iTunes store and Android Google Play store, and categorized the sexual health content of the 137 apps identified. Part 2: We used the term "dating" to search for free geosocial-networking apps in the Apple iTunes and Android Google Play stores. The apps were downloaded to test functionality and to determine whether they included sexual health content. RESULTS: Part 1: Of the 137 apps identified, 15 (11.0%) had sexual health content and 15 (11.0%) contained messages about sexual assault or violence. The majority of the apps did not contain any sexual health content. Part 2: We reviewed 60 dating apps: 44 (73%) targeting heterosexual users, 9 (15%) targeting men who have sex with men (MSM), 3 (5%) targeting lesbian women, and 4 (7%) for group dating. Only 9 dating apps contained sexual health content, of which 7 targeted MSM. CONCLUSIONS: The majority of sex-related apps and dating apps contained no sexual health content that could educate users about and remind them of their sexual risks. Sexual health practitioners and public health departments will need to work with app developers to promote sexual health within existing popular apps. For those apps that already contain sexual health messages, further study to investigate the effectiveness of the content is needed.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».