Mobile Apps for Suicide Prevention: Review of Virtual Stores and Literature
Notice bibliographique
Résumé
BACKGROUND: The best manner to prevent suicide is to recognize suicidal signs and signals, and know how to respond to them. OBJECTIVE: We aim to study the existing mobile apps for suicide prevention in the literature and the most commonly used virtual stores. METHODS: Two reviews were carried out. The first was done by searching the most commonly used commercial app stores, which are iTunes and Google Play. The second was a review of mobile health (mHealth) apps in published articles within the last 10 years in the following 7 scientific databases: Science Direct, Medline, PsycINFO, Embase, The Cochrane Library, IEEE Xplore, and Google Scholar. RESULTS: A total of 124 apps related to suicide were found in the cited virtual stores but only 20 apps were specifically designed for suicide prevention. All apps were free and most were designed for Android. Furthermore, 6 relevant papers were found in the indicated scientific databases; in these studies, some real experiences with physicians, caregivers, and families were described. The importance of these people in suicide prevention was indicated. CONCLUSIONS: The number of apps regarding suicide prevention is small, and there was little information available from literature searches, indicating that technology-based suicide prevention remains understudied. Many of the apps provided no interactive features. It is important to verify the accuracy of the results of different apps that are available on iOS and Android. The confidence generated by these apps can benefit end users, either by improving their health monitoring or simply to verify their body condition.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,009 |
| 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) | 0,006 | 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 ».