A biopsy of Breast Cancer mobile applications: state of the practice review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Breast cancer is the most common cancer in women. The use of mobile software applications for health and wellbeing promotion has grown exponentially in recent years. We systematically reviewed the breast cancer apps available in today's leading smartphone application stores and characterized them based on their features, evidence base and target audiences. METHODS: A cross-sectional study was performed to characterize breast cancer apps from the two major smartphone app stores (iOS and Android). Apps that matched the keywords "breast cancer" were identified and data was extracted using a structured form. Reviewers independently evaluated the eligibility and independently classified the apps. RESULTS: A total of 1473 apps were a match. After removing duplicates and applying the selection criteria only 599 apps remained. Inter-rater reliability was determined using Fleiss-Cohen's Kappa. The majority of apps were free 471 (78.63%). The most common type of application was Disease and Treatment information apps (29.22%), Disease Management (19.03%) and Awareness Raising apps (15.03%). Close to 1 out of 10 apps dealt with alternative or homeopathic medicine. The majority of the apps were intended for patients (75.79%). Only one quarter of all apps (24.54%) had a disclaimer about usage and less than one fifth (19.70%) mentioned references or source material. Gamification specialists determined that 19.36% contained gamification elements. CONCLUSIONS: This study analyzed a large number of breast cancer-focused apps available to consumers. There has been a steady increase of breast cancer apps over the years. The breast cancer app ecosystem largely consists of start-ups and entrepreneurs. Evidence base seems to be lacking in these apps and it would seem essential that expert medical personnel be involved in the creation of medical apps.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle