Smartphone Apps for Vaping Cessation: Quality Assessment and Content Analysis
Notice bibliographique
Résumé
BACKGROUND: As the prevalence of electronic cigarette (e-cigarette) use, or vaping, continues to grow, particularly among young people, so does the need for research and interventions to address vaping. OBJECTIVE: This study examines the quality of free vaping cessation apps, their contents and features, popularity among users, and adherence to evidence-based principles. METHODS: A systematic search of existing apps for vaping cessation was conducted in December 2020. Eligible apps were free, in English, and included features specifically targeting vaping cessation. Each app included in the analysis was used daily for at least seven consecutive days, assessed using the Mobile App Rating Scale, and rated by at least two authors (AK, EL, or SS) based on adherence to evidence-based practices. Intraclass correlation coefficient (ICC) estimates were computed to assess interrater reliability (excellent agreement; ICC 0.92; 95% CI 0.78-0.98). RESULTS: A total of 8 apps were included in the quality assessment and content analysis: 3 were developed specifically for vaping cessation and 5 focused on smoking cessation while also claiming to address vaping cessation. The mean of app quality total scores was 3.66 out of 5. Existing vaping cessation apps employ similar approaches to smoking cessation apps. However, they are very low in number and have limited features developed specifically for vaping cessation. CONCLUSIONS: Given the lack of vaping cessation interventions at a time when they are urgently needed, smartphone apps are potentially valuable tools. Therefore, it is recommended that these apps apply evidence-based practices and undergo rigorous evaluations that can assess their quality, contents and features, and popularity among users. Through this process, we can improve our understanding of how apps can be effective in helping users quit vaping.
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 | 0,119 | 0,272 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,025 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».