Mobile Apps for Health Behavior Change: Protocol for a Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The popularity and ubiquity of mobile apps have rapidly expanded in the past decade. With a growing focus on patient interaction with health management, mobile apps are increasingly used to monitor health and deliver behavioral interventions. The considerable variation in these mobile health apps, from their target patient group to their health behavior, and their behavioral change strategy, has resulted in a large but incohesive body of literature. OBJECTIVE: The purpose of this protocol is to provide an overview of the current landscape, theories behind, and effectiveness of mobile apps for health behavior change. METHODS: The Preferred Reporting Items for Systematic Reviews and Meta-Analyses Protocols will be used to structure this protocol. The focus of the systematic review is guided by a population, intervention, comparator, and outcome framework. A systematic search of Medline, EMBASE, CINAHL, and Web of Science will be conducted. Two authors will independently screen the titles and abstracts of identified references and select studies according to the eligibility criteria. Any discrepancies will then be discussed and resolved. One reviewer will extract data into a standardized form, which will be validated by a second reviewer. Risk of bias was assessed using the Cochrane Collaboration Risk of Bias tool, and a descriptive analysis will summarize the effectiveness of all the apps. RESULTS: As of November 2019, the systematic review has been completed and is in peer review for publication. CONCLUSIONS: This systematic review will summarize the current mobile app technologies and their effectiveness, usability, and coherence with behavior change theory. It will identify areas of improvement (where there is no evidence of efficacy) and help inform the development of more useful and engaging mobile health apps. TRIAL REGISTRATION: PROSPERO CRD42019155604; https://tinyurl.com/sno4lcu. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/16931.
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 | 0,085 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,017 | 0,018 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,110 | 0,017 |
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 ».