MétaCan
Menu
Retour à la cohorte
Enregistrement W2611611259 · doi:10.2196/mhealth.7291

mHealth Assessment: Conceptualization of a Global Framework

2017· article· en· W2611611259 sur OpenAlexvenueno aff
Meghan Bradway, Carme Carrión, Barbara Eliza Vallespin, Omid Saadatfard, Elisa Puigdomènech, Mireia Espallargues, Anna Kotzeva

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthWorkgroupWorkflowConceptualizationKnowledge managementTelemedicineHealth careComputer scienceBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The mass availability and use of mobile health (mHealth) technologies offers the potential for these technologies to support or substitute medical advice. However, it is worrisome that most assessment initiatives are still not able to successfully evaluate all aspects of mHealth solutions. As a result, multiple strategies to assess mHealth solutions are being proposed by medical regulatory bodies and similar organizations. OBJECTIVE: We aim to offer a collective description of a universally applicable description of mHealth assessment initiatives, given their current and, as we see it, potential impact. In doing so, we recommend a common foundation for the development or update of assessment initiatives by addressing the multistakeholder issues that mHealth technology adds to the traditional medical environment. METHODS: Organized by the Mobile World Capital Barcelona Foundation, we represent a workgroup consisting of patient associations, developers, and health authority representatives, including medical practitioners, within Europe. Contributions from each group's diverse competencies has allowed us to create an overview of the complex yet similar approaches to mHealth evaluation that are being developed today, including common gaps in concepts and perspectives. In response, we summarize commonalities of existing initiatives and exemplify additional characteristics that we believe will strengthen and unify these efforts. RESULTS: As opposed to a universal standard or protocol in evaluating mHealth solutions, assessment frameworks should respect the needs and capacity of each medical system or country. Therefore, we expect that the medical system will specify the content, resources, and workflow of assessment protocols in order to ensure a sustainable plan for mHealth solutions within their respective countries. CONCLUSIONS: A common framework for all mHealth initiatives around the world will be useful in order to assess whatever mHealth solution is desirable in different areas, adapting it to the specifics of each context, to bridge the gap between health authorities, patients, and mHealth developers. We aim to foster a more trusting and collaborative environment to safeguard the well-being of patients and citizens while encouraging innovation of technology and policy.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,108
Tête enseignante GPT0,541
Écart entre enseignants0,433 · 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

Citations166
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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