Use of Weight-Management Mobile Phone Apps in Saudi Arabia: A Web-Based Survey
Notice bibliographique
Résumé
Background: In recent years, the use of mobile phone weight-management apps has increased significantly. Weight-management apps have been found effective in promoting health and managing weight. However, data on user perception and on barriers to app usage are scarce. Objective: This study aimed to investigate the use of weight-management apps and barriers to use as well as reasons for discontinuing use in a sample of mobile phone users in Saudi Arabia. Methods: Mobile phone users aged 18 years and above from the general public in Saudi Arabia completed a Web-based survey. The survey included questions on weight-management app usage patterns, user perceptions concerning weight management, efficacy of weight-management apps, and reasons for discontinuing use. Participants were classified into normal weight (body mass index [BMI]: 18.5 to 24.9 kg/m2) and overweight or obese (BMI: ≥25.0 kg/m2). Results: The survey included 1191 participants; 513 of them used weight-management apps. More overweight or obese respondents used these apps compared with normal weight respondents (319/513, 62.2% vs 194/513, 37.8%, respectively). App features that overweight or obese users were most interested in were mainly the possibility to be monitored by a specialist and barcode identification of calorie content, whereas normal weight users mostly preferred availability of nutrition information of food items. Reasons for discontinuing use among overweight or obese respondents were mainly that monitoring by a specialist was not offered (80/236, 33.9%) and the app was not in the local language (48/236, 20.3%). Among normal weight users, the main reason for noncontinuance was the app language (45/144, 31.3%) and difficulty of use (30/144, 20.8%). Conclusions: To better address the needs of both normal weight and overweight or obese adults, improved app designs that offer monitoring by a specialist are needed. Developers may consider ways of overcoming barriers to use, such as language, by developing local language apps, which can improve the efficacy of such apps and help spread their use.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».