Mosquito-Borne Arboviruses in Brazil: Assessment of Apps Based on the Mobile Apps Rating Scale (MARS)
Notice bibliographique
Résumé
BACKGROUND: In Brazil, the prevalence of arboviral diseases, such as dengue, Zika, and Chikungunya, transmitted mainly by mosquitos, has increased alarmingly. In recent years, numerous free mobile apps tackling this issue have become available for various purposes and users. OBJECTIVES: This study aimed to systematically survey and evaluate these apps using the Mobile App Rating Scale (MARS). METHODS: The survey was performed on Google Play Store and sought to identify these apps adopting the descriptors “Chikungunya”, “Dengue” and “Zika”. The MARS scale was used by two researchers to evaluate the apps following their translation to Portuguese and subsequent validation. Student's T-test, Kappa statistics, and Cronbach's alpha coefficient were employed to evaluate the interobserver agreement and the reliability of the scale. RESULTS: Most apps (20 out of 29 or ~70%) were created to disseminate basic information about arboviral diseases to the population or for entertainment. There was an agreement between the two researchers for all parameters of the MARS scale, except for the engagement (p=0.002). The Cronbach's alpha coefficient indicated good reliability. CONCLUSIONS: The use of the MARS scale has shown that most of the evaluated apps were developed to share information about arboviral diseases in an interactive way, but they do not necessarily have the purpose of influencing their users to change behaviours related to vector control or the prevention of arboviral diseases, which the authors feel would be a more appropriate aim for future app development.
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 | 0,006 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».