MétaCan
Menu
← Retour à la cohorte
Enregistrement W3083541674 · doi:10.2196/16517

Patient Perception of Mobile Phone Apps for the Care and Prevention of Sexually Transmitted Diseases: Cross-Sectional Study

2020· article· en· W3083541674 sur OpenAlexvenueno aff
Lena Jakob, Theresa Steeb, Zeno Fiocco, Teodora Pumnea, Sophia Nomi Jakob, Anja Wessely, Christoph Rothenberger, Titus J. Brinker, Lars E. French, Carola Berking, Markus V. Heppt

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFamily medicineSexually transmitted diseaseCross-sectional studyInterquartile rangeOutpatient clinicmHealthHealth carePsychological interventionNursingSyphilisHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

Background In the emerging era of digitalization and electronic health, various health-related apps have been launched, including apps for sexually transmitted diseases. Until now, little has been known about how patients perceive the value of such apps. Objective To investigate patient’s attitudes and awareness toward sexually transmitted disease–related apps in an outpatient sexually transmitted disease clinic setting. Methods A cross-sectional study was conducted at a dermatovenereological outpatient unit between April and July 2019. Patients completed a self-administered questionnaire on their perceptions of the popularity and usefulness of sexually transmitted disease–related apps. Descriptive analysis was performed with expression of categorical variables as frequencies and percentages. For continuous variables, the median, range, and interquartile range were indicated. Contingency tables and chi-square tests were used to investigate associations between sociodemographic data and items of the questionnaire. Results A total of 226 patients were surveyed (heterosexual: 137/193, 71.0%; homosexual: 44/193, 22.8%; bisexual: 12/193, 6.2%); 11.9% (27/225) had previously used health-related apps. Nearly half of the patients (97/214, 45.3%) specifically considered sexually transmitted disease–related apps useful, 47.8% (100/209) voted that they could supplement or support the consultation of a physician. Interestingly, only 35.1% (74/211) preferred a printed patient brochure on sexually transmitted diseases over downloading and using an app, but 64.0% (134/209) would download a sexually transmitted disease–related app recommended by their physician. General information regarding sexually transmitted diseases (93/167, 55.7%), evaluation of skin diseases based on photos or videos (78/167, 53.3%), information on the prevention of sexually transmitted diseases (76/167, 45.5%), mediation of nearby contact points or test sites (74/167, 44.3%), anonymous medical advice (69/167, 41.3%), and calculation of the risk of having a sexually transmitted disease (63/167, 37.3%) were rated as the most important features. Men were more likely than women to find sexually transmitted disease–related apps useful in general (P=.04; χ2=6.28) and to pay for such apps (P=.01; χ2=9.19). Patients aged <40 years would rather download an app recommended by their physician (P=.03; χ2=7.23), whereas patients aged >40 years preferred reading a patient brochure on sexually transmitted diseases (P=.02; χ2=8.14). Conclusions This study demonstrated high general interest in the use of sexually transmitted disease–related apps in this sample of dermatovenereological outpatients. In particular, young age and male sex were significantly associated with a positive perception, underlining the high potential of apps in the prevention and early recognition of sexually transmitted diseases in this group. Future studies are warranted to validate these findings in other populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,065
Tête enseignante GPT0,458
Écart entre enseignants0,393 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→