MétaCan
Menu
Retour à la cohorte
Enregistrement W2900670977 · doi:10.2196/12664

EasyDetectDisease: An Android App for Early Symptom Detection and Prevention of Childhood Infectious Diseases

2018· article· en· W2900670977 sur OpenAlexvenueno aff
Mahvish Ponum, Osman Hasan, Saadia Khan

Notice bibliographique

RevueInteractive Journal of Medical Research · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreastfeedingUsabilityMedicineDiseaseMobile appsInfectious disease (medical specialty)Public healthPediatricsFamily medicineNursingWorld Wide WebPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Infectious diseases often lead to death among children under 5 years in many underdeveloped and developing countries. One of the main reasons behind this is an unawareness of disease symptoms among mothers and child caregivers. To overcome this, we propose the EasyDetectDisease mobile health app to educate mothers about the early symptoms of pediatric diseases and to provide them with practical advice for preventing the spread of such diseases in children under 5 years. The EasyDetectDisease app includes detailed knowledge of infectious diseases, including the corresponding symptoms, causes, incubation period, preventive measures, nutritional guidelines such as breastfeeding, video tutorials of child patients, and video guidelines by pediatric health experts to promote child health. It also provides information on the diagnosis of the infectious diseases based on symptoms. OBJECTIVE: The objective of this study was to evaluate the usability (eg, ease of use, easy detection of disease, functionality, and navigation of interfaces) of the EasyDetectDisease app among mothers of children under 5 years of age. METHODS: Two health sessions, held in Pakistan, were used to evaluate the usability of EasyDetectDisease by 30 mothers of children under 5 years. The app was evaluated based on various quantitative and qualitative measures. RESULTS: The participating mothers confirmed that they were able to diagnose diseases accurately and that after following the instructions provided, their children recovered rapidly without any nutritional deficiency. All participating mothers showed an interest in using the EasyDetectDisease app if made available by governmental public health agencies, and they suggested its inclusion in all mobile phones as a built-in health app in the future. CONCLUSIONS: EasyDetectDisease was modified into a user-friendly app based on feedback collected during the usability sessions. All participants found it acceptable and easy to use, especially illiterate mothers. The EasyDetectDisease app proved to be a useful tool for child health care at home and for the treatment of infectious diseases and is expected to reduce the mortality rate of children under 5 years of age.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,534
Écart entre enseignants0,481 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207