A Content Analysis of Free, Popular Plant-Based Mobile Health Apps
Notice bibliographique
Résumé
There has been an increased emphasis on plant-based foods and diets in numerous dietary guidelines worldwide. Although mobile technology has the potential to be a convenient and cost-effective tool to aid adherence to dietary guidelines, little is known about the content and the quality of available mobile Apps on plant-based diets. Therefore, the objective of the study was to assess free, popular mobile health (mHealth) Apps supporting plant-based diets for Canadians. Using pre-defined search terms, Apple iTunes and GooglePlay App stores were searched on December 22, 2020; the top 100 returns for each search term were screened for eligibility. Free and popular (≥3 out of 5 ratings; ≥100 total reviews) mHealth Apps available in English, primarily marketed to help users follow plant-based diets were included. Included Apps were downloaded and assessed for quality by three research assistants/dietitians using the Mobile App Rating Scale (MARS) and the App Quality Evaluation (AQEL) tool. Of the 998 Apps screened, 16 Apps (mean ratings ± SEM = 4.5 ± 0.08) met the eligibility criteria for assessment, comprising 10 recipe manager and meal planners, 2 food scanners, 2 vegan community builders, 1 restaurant identifier, and 1 sustainability-focused App. All included Apps targeted the general population and focused on changing behaviours using education (14 Apps), skills training (14 Apps), and/or goal setting (5 Apps). Vegan, vegetarian or other plant-based (e.g., pescatarian, flexitarian) settings were available in 13 Apps, while 3 Apps offered no plant-based diet settings. The MARS (rated out of 5) revealed a high overall App quality score (3.84 ± 0.66) and subjective quality score (3.63 ± 0.62), but low credibility score (2.09 ± 0.36). The AQEL (rated out of 10) revealed high scores in App function (8.29 ± 0.47), purpose (8.11 ± 0.39), and behavioral change potential (8.35 ± 0.45), but a low score in support of knowledge acquisition (4.82 ± 0.43). Although a variety of free plant-based Apps with different focuses and behavioural change techniques are available to help Canadians follow plant-based diets, our findings suggest a need for credible Apps and other resources to complement the low support of knowledge acquisition in plant-based Apps. Banting & Best Diabetes Centre.
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 | 0,011 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».