Impact of the Mobile Game FightHPV on Cervical Cancer Screening Attendance: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The wide availability of mobile phones has made it easy to disseminate health-related information and make it accessible. With gamification, mobile apps can nudge people to make informed health choices, including attending cervical cancer screening. OBJECTIVE: This matched retrospective cohort study examined the association between exposure to the FightHPV mobile app gamified educational content and having a cervical exam in the following year. METHODS: Women aged 20 to 69 years who signed an electronic consent form after downloading the FightHPV app in 2017 (intervention group) were matched 1:6 with women of the same age and with the same screening history (reference group) in 2015. To estimate the impact of exposure to the FightHPV app, we estimated cumulative incidence and hazard ratios (HRs) with 95% CIs. We used data from the Norwegian Cervical Cancer Screening Program database and Statistics Norway to determine screening participation and outcomes, respectively. RESULTS: We matched 3860 women in the control group to 658 women in the intervention group; 6 months after enrollment, 29.6% (195/658) of the women in the intervention group and 15.21% (587/3860) of those in the reference group underwent a cervical exam (P<.01). Women exposed to the FightHPV app were 2 times more likely to attend screening (adjusted HR 2.3, 95% CI 2.0-2.7), during which they were 13 times more likely to be diagnosed with high-grade abnormality (adjusted HR 12.7, 95% CI 5.0-32.5) than the women in the reference group. CONCLUSIONS: Exposure to the FightHPV app significantly increased cervical cancer screening attendance across the various analyses and improved detection of women with high risk for cervical cancer. For the first time, we demonstrated the effectiveness of gamification combined with mobile technology in cancer prevention by empowering women to make active health-related decisions. Gamification can significantly improve the understanding of complicated scientific concepts behind interventions and increase the acceptance of proposed cancer control measures.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».