MétaCan
Menu
Retour à la cohorte
Enregistrement W4389098765 · doi:10.2196/48040

Development and Promotion of an mHealth App for Adolescents Based on the European Code Against Cancer: Retrospective Cohort Study

2023· article· en· W4389098765 sur OpenAlexvenueno aff
Meritxell Mallafré‐Larrosa, Ginevra Papi, Antoni Trilla, David Ritchie

Notice bibliographique

RevueJMIR Cancer · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthSocial mediaDescriptive statisticsPromotion (chess)Health promotionCohortPsychologyInternet privacyMedicineWorld Wide WebMedical educationComputer sciencePublic healthPolitical scienceNursingPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile health technologies, underpinned by scientific evidence and ethical standards, exhibit considerable promise and potential in actively engaging consumers and patients while also assisting health care providers in delivering cancer prevention and care services. The WASABY mobile app was conceived as an innovative, evidence-based mobile health tool aimed at disseminating age-appropriate messages from the European Code Against Cancer (ECAC) to adolescents across Europe. OBJECTIVE: This study aims to assess the outcomes of the design, development, and promotion of the WASABY app through a 3-pronged evaluation framework that encompasses data on social media promotion, app store traffic, and user engagement. METHODS: The WASABY app's content, cocreated with cancer-focused civil society organizations across 6 European countries, drew upon scientific evidence from the ECAC. The app's 10 modules were designed using the health belief model and a gamification conceptual framework characterized by spaced repetition learning techniques, refined through 2 rounds of testing. To evaluate the effectiveness of the app, we conducted a retrospective cohort study using the WASABY app's user database registered from February 4 to June 30, 2021, using a 3-pronged assessment framework: social media promotion, app store traffic, and user engagement. Descriptive statistics and association analyses explored the relationship between sociodemographic variables and user performance analytics. RESULTS: After extensive promotion on various social media platforms and subsequent traffic to the Apple App and Google Play stores, a sample of 748 users aged between 14 and 19 years was included in the study cohort. The selected sample exhibited a mean age of 16.08 (SD 1.28) years and was characterized by a predominant representation of female users (499/748, 66.7%). Most app users identified themselves as nonsmokers (689/748, 92.1%), reported either no or infrequent alcohol consumption (432/748, 57.8% and 250/748, 33.4%, respectively), and indicated being physically active for 1 to 5 hours per week (505/748, 67.5%). In aggregate, the app's content garnered substantial interest, as evidenced by 40.8% (305/748) of users visiting each of the 10 individual modules. Notably, sex and smoking habits emerged as predictors of app completion rates; specifically, male and smoking users demonstrated a decreased likelihood of successfully completing the app's content (odds ratio 0.878, 95% CI 0.809-0.954 and odds ratio 0.835, 95% CI 0.735-0.949, respectively). CONCLUSIONS: The development and promotion of the WASABY app presents a valuable case study, illustrating the effective dissemination of evidence-based recommendations on cancer prevention within the ECAC through an innovative mobile app aimed at European adolescents. The data derived from this study provide insightful findings for the implementation of Europe's Beating Cancer Plan, particularly the creation of the EU Mobile App for Cancer Prevention.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,452
Écart entre enseignants0,372 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207