Existing Mobile Phone Apps for Self-Care Management of People With Alzheimer Disease and Related Dementias: Systematic Analysis
Notice bibliographique
Résumé
BACKGROUND: Alzheimer disease and related dementias (AD/RD) are progressive neurocognitive disorders that currently affect approximately 50 million people worldwide. Mobile phone apps have been well-integrated into daily lives and can be used to deliver and promote health care. There is an increase in the use of technology to provide care and support to AD/RD patients and their families. OBJECTIVE: This study aimed to review apps designed for AD/RD patients and analyze the benefits of, and challenges to, such technological solutions. METHODS: A systematic approach was applied to review the availability, content, features, and quality of mobile phone apps to support self-care among AD/RD patients. RESULTS: The initial search for this review was conducted in January 2019, and the screening and analysis of the included apps were completed in May 2019. A total of 14 apps were included from an initial search of 245 apps. The top 3 features were alert (9/14, 64%), self-care tips (6/14, 42%), and social networking capacity (5/14, 35%). On average, the readability of the apps was a tenth-grade reading level (SD 3.06). The overall quality was 3.71 out of 5 (SD 1.37). CONCLUSIONS: Our findings suggest that currently available apps for AD/RD patients may not meet complex needs and may be challenging to use, given the possible impaired communication ability associated with AD/RD. Therefore, high-quality apps need to be developed and rigorously evaluated for feasibility and efficacy.
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 | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,014 | 0,012 |
| 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) | 0,003 | 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 ».