Behavior Change Techniques in Popular Mobile Apps for Smoking Cessation in France: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: The mobile app market differs from country to country, and to date, no previous review of the content quality of smoking cessation apps has been conducted in France. OBJECTIVE: This study aimed to examine the general quality of the most popular smoking cessation apps in France and also determine the degree to which apps adhere to established behavioral and cognitive techniques (BCTs) proven effective in clinical practice. METHODS: A systematic research of smoking cessation apps was conducted in both the Google Play Store and Apple Store in the French market. The general quality of popular apps was rated with the Mobile App Rating Scale (MARS), and the therapeutic quality was assessed with the ratio of adherence of the behavior change technique taxonomy for smoking cessation treatment. RESULTS: A total of 14 mobile apps met all the inclusion criteria of the content analysis. The interrater reliability varied from "substantial" (0.79) to "almost perfect" (0.9) for the two measures. The mean MARS score was 3.5 out of 5 (median 3.6, IQR 0.6 [3.2-3.8]). The findings suggest that popular apps focus primarily on the functionality dimension of the MARS scale (4.2/5). The mean number of BCTs was 22, with a large difference between apps (minimum 4, maximum 38). At least half of the apps addressed motivation (8.8/14, 63%) and advised on using behavioral skills in order to quit smoking or stay a nonsmoker (8.7/14, 62%). However, only a handful of apps gathered important information (5.9/14, 42%) in order to deliver proper advice regarding the use of approved medication or the implementation of behavioral techniques (4.3/14, 31%). The mean MARS score was positively correlated with the price (r=0.70, P=.007) and the number of BCTs used (r=0.67, P=.01). User rating was not correlated with any quality scale (P=.67). CONCLUSIONS: The content quality of popular smoking cessation apps in France varied by app type and price. Most popular apps propose in general good quality content but lack implementation of evidence-based BCTs associated with effectiveness on smoking cessation treatment. Further research is needed to evaluate the improvement in the content quality of smoking cessation apps in France.
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 | 0,015 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,014 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».