Rating the Quality of Smartphone Apps Related to Shoulder Pain: Systematic Search and Evaluation Using the Mobile App Rating Scale
Notice bibliographique
Résumé
BACKGROUND: The successful rehabilitation of musculoskeletal pain requires more than medical input alone. Conservative treatment, including physiotherapy and exercise therapy, can be an effective way of decreasing pain associated with musculoskeletal pain. However, face-to-face appointments are currently not feasible. New mobile technologies, such as mobile health technologies in the form of an app for smartphones, can be a solution to this problem. In many cases, these apps are not backed by scientific literature. Therefore, it is important that they are reviewed and quality assessed. OBJECTIVE: The aim is to evaluate and measure the quality of apps related to shoulder pain by using the Mobile App Rating Scale. METHODS: This study included 25 free and paid apps-8 from the Apple Store and 17 from the Google Play Store. A total of 5 reviewers were involved in the evaluation process. A descriptive analysis of the Mobile App Rating Scale results provided a general overview of the quality of the apps. RESULTS: Overall, app quality was generally low, with an average star rating of 1.97 out of 5. The best scores were in the "Functionality" and "Aesthetics" sections, and apps were scored poorer in the "Engagement" and "Information" sections. The apps were also rated poorly in the "Subjective Quality" section. CONCLUSIONS: In general, the apps were well built technically and were aesthetically pleasing. However, the apps failed to provide quality information to users, which resulted in a lack of engagement. Most of the apps were not backed by scientific literature (24/25, 96%), and those that contained scientific references were vastly out-of-date. Future apps would need to address these concerns while taking simple measures to ensure quality control.
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 | 0,028 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».