Environmental scan of mobile apps for promoting sexual and reproductive health of adolescents in low- and middle-income countries
Notice bibliographique
Résumé
Background: Adolescence is a period of emotional, mental, and physical change. To increase health seeking behaviors, reduce risky sexual behavior, and improve sexual and reproductive health (SRH) knowledge, adolescents require support and access to SRH services. Providing evidence-informed SRH knowledge to adolescents in low- and middle-income countries (LMICs) can be a challenge as they face unique barriers such as lack of confidentiality, fear of refusal, and stigma from cultural norms. Increasing availability of mobile apps necessitates a comprehensive evaluation of the quality and classification of these SRH mobile applications so that accurate and evidence-based information is reaching its users. Failure to provide SRH services can have damaging effects throughout their development. Objective: Provide an overview of current adolescent SRH (ASRH) mobile applications targeting adolescents in LMICs by evaluating their quality and classifying their characteristics. Methods: 21 search terms related to ASRH mobile apps was developed. These terms were searched in the Apple IOS store and Google Play stores. Inclusion and exclusion criteria were used to screen these apps. Resulting apps were assessed using the Mobile App Rating Scale (MARS) tool. Data extracted was used to rank order each app and identify any gaps in quality. Results: Search strategy yielded 2,165 mobile apps. Of these, only 8 were assessed using the MARS tool. Functionality subdomain scored highest at 4.6, while Information scored lowest at 2.5. None of the assessed apps contained information on the MARS items: Evidence base and Goals. Too Shy to Ask had the highest individual app mean score of 4.1, while e-SRHR scored lowest at 2.3. Conclusions: The goal of this study is to classify and rate the quality of mobile apps designed to promote ASRH behaviors and knowledge in LMICs. Numerous apps were reviewed and all of them failed to provide evidence-based and goal oriented SRH information. Strengths include ease of use, navigation, and gestural designs. Weaknesses include evidence base, goals, willingness to pay, customization, and interactivity. These findings can be potentially used to guide future app development and educate decision makers responsible for policy changes.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».