mHealth Apps for Dementia Caregivers: Systematic Examination of Mobile Apps
Notice bibliographique
Résumé
Background: Informal caregivers of persons living with dementia are increasingly using mobile health (mHealth) apps to obtain care information. mHealth apps are seen as promising tools to better support caregivers' complex and evolving information needs. Yet, little is known about the types and quality of dementia care information that these apps provide. Is this information for caregivers individually tailored; if so, how? Objective: We aim to address the aforementioned gaps in the literature by systematically examining the types and quality of care-related information provided in publicly available apps for caregivers of persons living with dementia as well as app features used to tailor information to caregivers' information wants and situations. Methods: In September 2023, we used a multistage process to select mobile apps for caregivers of persons living with dementia. The final sample included 35 apps. We assessed (1) types of dementia care information provided in the apps, using our 3-item Alzheimer disease and related dementias daily care strategy framework, which encompasses educational information, tangible actions, and referral information; (2) quality of apps' care information, using the 11 indicators recommended by the National Library of Medicine; and (3) types of tailoring to provide personalization, feedback, and content matching, which are common tailoring strategies described in the literature. Results: Educational information was the most prevalent type of information provided (29/35 apps, 83%), followed by information about tangible actions (18/35, 51%) and referrals (14/35, 40%). All apps presented their objectives clearly and avoided unrealistic or emotional claims. However, few provided information to explain whether the app's content was generated or reviewed by experts (7/35, 20%) or how its content was selected (4/35, 11%). Further, 6 of the 35 (17%) apps implemented 1 type of tailoring; of them, 4 (11%) used content matching and the other 2 (6%) used personalization. No app used 2 types of tailoring; only 2 (6%) used all 3 types (the third is feedback). Conclusions: Existing dementia care apps do not provide sufficient high-quality, tailored information for informal caregivers. Caregivers should exercise caution when they use dementia care apps for informational support. Future research should focus on designing dementia care apps that incorporate quality-assured, transparency-enhanced, evidence-based artificial intelligence-enabled mHealth solutions for caregivers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».