Russian-Language Mobile Apps for Reducing Alcohol Use: Systematic Search and Evaluation (Preprint)
Notice bibliographique
Résumé
BACKGROUND Personalized prevention tools such as mobile apps designed to reduce alcohol consumption are widespread in mobile app stores accessible in Russia. However, the quality and content of these mobile apps have not been systematically evaluated. OBJECTIVE This study aimed to identify Russian-language mobile apps for reducing alcohol use and to evaluate their quality and potential to change alcohol-related health behavior. It further aimed to identify apps that could facilitate screening and brief interventions in primary health care in Russia. METHODS A systematic search for mobile apps available in Russia was carried out between April 1 and 15, 2020, December 1 and 15, 2020, and in March 2021 in the iPhone App Store, Google Play Store, and the 4PDA forum. App quality was assessed using the Mobile App Rating Scale (MARS), and structured searches in electronic libraries and bibliographic databases were used to evaluate the apps’ evidence base. The number of features facilitating changes in lifestyle behavior was assessed using the App Behavior Change Scale (ABACUS). RESULTS We identified 63 mobile apps for reducing alcohol use. The mean MARS quality ratings were high for the subscales of functionality (3.92 out of 5, SD 0.58) and aesthetics (2.96, SD 0.76) and low for engagement (2.42, SD 0.76) and information (1.65, SD 0.60). Additional searches in electronic libraries and bibliographic databases (eLibrary, CyberLeninka, Google Scholar) yielded no studies involving the identified apps. ABACUS scores ranged from 1 to 15 out of 25, with a mean of 5 (SD 3.24). Two of the identified apps might be useful for screening and brief interventions in Russian primary health care after improvements in content and scientific testing. CONCLUSIONS Russian-language mobile apps for reducing alcohol use are accessible in the app stores. Many of them are aesthetically pleasing, functional, and easy to use. However, information about their scientific trialing or testing is lacking. Most apps contain a low number of features that facilitate changes in lifestyle behavior. Further research should examine the context of Russian-language mobile apps for reducing alcohol use. Our findings underline the need to develop evidence-based apps to mitigate alcohol consumption in Russia and elsewhere. CLINICALTRIAL PROSPERO International Prospective Register of Systematic Reviews CRD42020167458; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=167458
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».