Photoaging Mobile Apps as a Novel Opportunity for Melanoma Prevention: Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Around 90% of melanomas are caused by ultraviolet (UV) exposure and are therefore eminently preventable. Unhealthy tanning behavior is mostly initiated in early adolescence, often with the belief that it increases attractiveness; the problems related to skin atrophy and malignant melanoma are too far in the future to fathom. Photoaging desktop programs, in which an image is altered to predict future appearance, have been successful in positively influencing behavior in adiposity or tobacco prevention settings. OBJECTIVE: To develop and test a photoaging app designed for melanoma prevention. METHODS: We harnessed the widespread availability of mobile phones and adolescents' interest in appearance to develop a free mobile app called Sunface. This app has the user take a self-portrait (ie, a selfie), and then photoages the image based on Fitzpatrick skin type and individual UV protection behavior. Afterward, the app explains the visual results and aims at increasing self-competence on skin cancer prevention by providing guideline recommendations on sun protection and the ABCDE rule for melanoma self-detection. The underlying aging algorithms are based on publications showing UV-induced skin damage by outdoor as well as indoor tanning. To get a first impression on how well the app would be received in a young target group, we included a total sample of 25 students in our cross-sectional pilot study with a median age of 22 (range 19-25) years of both sexes (11/25, 44% female; 14/25, 56% male) attending the University of Essen in Germany. RESULTS: The majority of enrolled students stated that they would download the app (22/25, 88%), that the intervention had the potential to motivate them to use sun protection (23/25, 92%) and that they thought such an app could change their perceptions that tanning makes you attractive (19/25, 76%). Only a minority of students disagreed or fully disagreed that they would download such an app (2/25, 8%) or that such an app could change their perceptions on tanning and attractiveness (4/25, 16%). CONCLUSIONS: Based on previous studies and the initial study results presented here, it is reasonable to speculate that the app may induce behavioral change in the target population. Further work is required to implement and examine the effectiveness of app-based photoaging interventions within risk groups from various cultural backgrounds.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».