Mindfulness-Based Symptom and Stress Management Apps for Adults With Chronic Lung Disease: Systematic Search in App Stores
Notice bibliographique
Résumé
BACKGROUND: Up to 70% of lung cancer survivors are affected by chronic obstructive pulmonary disease (COPD), a common, debilitating, comorbid disease. Lung cancer and COPD are both characterized by symptoms such as breathlessness, fatigue, and psychological distress. These distressing chronic symptoms are exacerbated by stress and detract from an individual's quality of life. OBJECTIVE: The aim of this study was to identify and evaluate evidence-based, commercially available apps for promoting mindfulness-based strategies among adults with a COPD or lung cancer history (ie, chronic lung disease). METHODS: For this review, an interdisciplinary research team used 19 keyword combinations in the search engines of Google and iOS app stores in May 2017. Evaluations were conducted on the apps' (1) content, (2) usability heuristics, (3) grade-level readability, and (4) cultural sensitivity. RESULTS: The search resulted in 768 apps (508 in iOS and 260 in Google stores). A total of 9 apps met the inclusion criteria and received further evaluation. Only 1 app had below an eighth-grade reading level; the ninth one did not have enough text to calculate a readability score. None of the 9 apps met the cultural sensitivity evaluation criteria. CONCLUSIONS: This systematic review identified critical design flaws that may affect the ease of using the apps in this study. Few mobile apps promote mindfulness-based strategies among adults with chronic lung disease (ie, COPD or lung cancer or both), but those that exist, overall, do not meet the latest scientific evidence. Recommendations include more stringent regulation of health-related apps, use of evidence-based frameworks and participatory design processes, following evidence-based usability practices, use of culturally sensitive language and images, and ensuring that content is written in plain language.
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 | 0,008 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».