0095 Sleep Enhancement Technology in 2021: An Updated Survey of Apps
Notice bibliographique
Résumé
Abstract Introduction Commercially available smartphone apps that claim to improve sleep quantity and/or quality represent an ever-evolving and fast-growing market. Although a large body of work has validated the performance of sleep tracking technologies, there is little information regarding potential sleep enhancement technologies. Our study systematically surveyed currently available commercial sleep enhancement smartphone apps to provide details to inform both providers and patients alike, in addition to the healthy consumer market. Methods We systematically searched the Google Play Store (Android) on 30 JUN 2021 and the App Store (Apple) on 30 JUN 2021 and 26 JUL 2021 in the US using the keyword “sleep.” The Android search was conducted via the Google Play Store website. The Apple search was conducted via third-party websites linked to the App Store due to restrictions on searching the App Store online. This survey was conducted using Google Chrome web browsers and is inclusive of all smartphone applications found. Results We identified 550 apps: 59.5% on Android (N=327) and 40.5% on Apple (N=223). Ninety-four percent of apps offered a free version. The majority of sleep apps were intended for use during wake (72.7% exclusively during wake; 25.1% during both wake and sleep), with only 2.2% intended to be used during sleep alone. Most apps purport to enhance rather than measure sleep (87.8% versus 0.5%). The vast majority of apps claim to enhance sleep via reductions in sleep latency (92.9%). Reduced sleep latency is primarily achieved using auditory stimuli (74.5%). Conclusion Most current sleep apps are designed to be used while awake, prior to sleep, and focus on the enhancement of sleep, rather than measurement, by targeting sleep latency. Given the evidence that supports sleep latency as an important target for sleep promoting interventions and the multitude of available sleep enhancement apps across both Android and Apple platforms, sleep apps could be considered a possible strategy for patients and consumers to improve their sleep, although validation of these apps is required. Support (If Any) Department of Defense Military Operational Medicine Research Program (MOMRP)
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».