A biopsy of Breast Cancer mobile applications: state of the practice review
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.
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 | 0,012 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».