Mobile Apps for Caregivers of Older Adults: Quantitative Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Informal caregivers of older adults provide critical support for their loved ones but are subject to negative health outcomes because of burden and stress. Interventions to provide information and resources as well as social and emotional support reduce burden. Mobile apps featuring access to information, assistance with scheduling, and other features can automate support functions inexpensively and conveniently and reach a greater proportion of caregivers than otherwise possible. OBJECTIVE: The aim of this study was to identify mobile apps geared towards caregivers of older adults, catalog features, and suggest best practices for adoption based on empirical findings of beneficial interventions in the caregiving literature. METHODS: Search for apps focused on ones catered for caregivers of older adults in Google Play and iTunes, compiling their features, and identifying features reflecting categories of support identified in successful intervention studies to negative caregiver outcomes. Intervention research indicates that provision of information and resources, assistance in practical problem solving, coordinating care among multiple caregivers, and emotional support reduce caregiver burden. RESULTS: Despite approximately over 200,000 mobile health-related apps, the availability of mobile apps for caregivers is relatively sparse (n=44 apps) as of October 2017. Apps generally addressed specific categories of support, including information and resources, family communication, and caregiver-recipient interactions. Few apps were comprehensive. Only 8 out of 44 (18%) had features that addressed three or more categories. Few apps provided specific stress reduction exercises for caregivers, which is important for reducing burden. CONCLUSIONS: Mobile apps have the potential to provide resources, just--in--time information for problem-solving, and stress reduction strategies for caregivers. Many apps offer functions that have been shown to reduce burden and improve health outcomes in caregivers, but few provide emotional support. Using an evidence--based practice approach, mobile apps for caregivers can provide multiple beneficial support functions. Apps can serve a much larger proportion of this highly underserved population in their mobile form than more traditional means, improving their health and quality of life.
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 | 0,017 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».