The Functionality of Mobile Apps for Anxiety: Systematic Search and Analysis of Engagement and Tailoring Features
Notice bibliographique
Résumé
BACKGROUND: A range of mobile apps for anxiety have been developed in response to the high prevalence of anxiety disorders. Although the number of publicly available apps for anxiety is increasing, attrition rates among mobile apps are high. These apps must be engaging and relevant to end users to be effective; thus, engagement features and the ability to tailor delivery to the needs of individual users are key. However, our understanding of the functionality of these apps concerning engagement and tailoring features is limited. OBJECTIVE: The aim of this study is to review how cognitive behavioral elements are delivered by anxiety apps and their functionalities to support user engagement and tailoring based on user needs. METHODS: A systematic search for anxiety apps described as being based on cognitive behavioral therapy (CBT) was conducted on Android and iPhone marketplaces. Apps were included if they mentioned the use of CBT for anxiety-related disorders. We identified 597 apps, of which 36 met the inclusion criteria and were reviewed through direct use. RESULTS: Cognitive behavioral apps for anxiety incorporate a variety of functionalities, offer several engagement features, and integrate low-intensity CBT exercises. However, the provision of features to support engagement is highly uneven, and support is provided only for low-intensity CBT treatment. Cognitive behavioral elements combine various modalities to deliver intervention content and support the interactive delivery of these elements. Options for personalization are limited and restricted to goal selection upon beginning use or based on self-monitoring entries. Apps do not appear to provide individualized content to users based on their input. CONCLUSIONS: Engagement and tailoring features can be significantly expanded in existing apps, which make limited use of social features and clinical support and do not use sophisticated features such as personalization based on sensor data. To guide the evolution of these interventions, further research is needed to explore the effectiveness of different types of engagement features and approaches to tailoring therapeutic content.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».