MétaCan
Menu
Retour à la cohorte
Enregistrement W4210883372 · doi:10.1177/20552076221076672

Mobile phone apps for family caregivers: A scoping review and qualitative content analysis

2022· review· en· W4210883372 sur OpenAlexaff
Jamie Yea Eun Park, Christopher Shawn Tracy, Carolyn Steele Gray

Notice bibliographique

RevueDigital Health · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of TorontoSinai Health SystemLunenfeld-Tanenbaum Research InstituteUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésmHealthFamily caregiversPhoneAndroid (operating system)Internet privacyMobile phoneApp storeCaregiver burdenWorld Wide WebService providerInclusion (mineral)DownloadContent analysisService (business)PsychologyNursingComputer scienceMedicineBusinessPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The growth of mHealth apps has been exponential in recent years, but there is limited knowledge regarding the availability, functionality, and quality of apps to support family caregivers. Our objectives were to identify the apps currently available to support family caregivers and to analyze the app functions and evaluation claims. METHODS: This scoping review was conducted across the iOS, Android, and Windows Phone app stores in three steps: (1) electronic app search; (2) iterative inclusion and exclusion criteria development; (3) mixed-method analysis of app characteristics and evaluation claims. RESULTS: The search identified 1008 apps; 175 met our inclusion/exclusion criteria. Most apps offered either one (36%, 63/175) or two (41%, 71/175) specific functions, the most common of which were access to service and provider directories, providing patient-caring tips, and tools to facilitate daily activities associated with caring for a loved one. For fully two-thirds (67%, 118/175) of the identified apps, the functions serve to assist caregivers to support the care recipient as opposed to supporting the family caregivers themselves. CONCLUSIONS: The findings of this review indicate that, while a wide range of family caregiver apps are now available across the mHealth landscape, most apps offer limited functionality. Therefore, there is a need for multi-functionality to avoid the inherent challenges that caregivers may experience when navigating and managing multiple apps to meet all their various needs. Moreover, as this specific niche continues to develop, greater attention should be devoted to supporting family caregivers' own personal care needs as caregiver burden is a pressing challenge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,065
score de la tête « metaresearch » (Gemma)0,169
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,344

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,169
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0280,023
Études des sciences et des technologies0,0040,003
Communication savante0,0060,006
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,356
Tête enseignante GPT0,572
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital HealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207