Mobile Health Apps That Help With COVID-19 Management: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) apps have played an important role in mitigating the coronavirus disease (COVID-19) response. However, there is no resource that provides a holistic picture of the available mHealth apps that have been developed to combat this pandemic. OBJECTIVE: Our aim is to scope the evidence base on apps that were developed in response to COVID-19. METHODS: Following the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines for scoping reviews, literature searches were conducted on Google Search, Google Scholar, and PubMed using the country's name as keywords and "coronavirus," "COVID-19," "nCOV19," "contact tracing," "information providing apps," "symptom tracking," "mobile apps," "mobile applications," "smartphone," "mobile phone," and "mHealth." Countries most affected by COVID-19 and those that first rolled out COVID-19-related apps were included. RESULTS: A total of 46 articles were reviewed from 19 countries, resulting in a total of 29 apps. Among them, 15 (52%) apps were on contact tracing, 7 (24%) apps on quarantine, 7 (24%) on symptom monitoring, and 1 (3%) on information provision. More than half (n=20, 69%) were from governmental sources, only 3 (10%) were from private organizations, and 3 (10%) from universities. There were 6 (21%) apps available on either Android or iOS, and 10 (34%) were available on both platforms. Bluetooth was used in 10 (34%) apps for collecting data, 12 (41%) apps used GPS, and 12 (41%) used other forms of data collection. CONCLUSIONS: This review identifies that the majority of COVID-19 apps were for contact tracing and symptom monitoring. However, these apps are effective only if taken up by the community. The sharing of good practices across different countries can enable governments to learn from each other and develop effective strategies to combat and manage this pandemic.
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 | 0,012 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,017 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».