Cognitive Training Mobile Apps for Older Adults With Cognitive Impairment: App Store Search and Quality Evaluation
Notice bibliographique
Résumé
Background: As the population ages, cognitive impairment is becoming increasingly prevalent. Mobile apps offer a scalable platform for delivering cognitive training interventions. However, their variable quality and lack of rigorous evaluation underscore the need for further research to guide optimization and ensure their effective application in improving cognitive health outcomes. Objective: This study aimed to evaluate the characteristics and quality of cognitive training apps designed for older adults with cognitive impairment. Methods: A comprehensive search of the Google Play Store and Apple App Store was conducted using predefined terms and inclusion criteria, with the search completed on July 13, 2024. Eligible apps were assessed for quality by two independent reviewers using the Mobile App Rating Scale (MARS), with interrater reliability evaluated via quadratic weighted kappa (К). The Kruskal-Wallis test analyzed differences in MARS scores across subgroups for each dimension, and Spearman correlation was applied to examine the relationship between user star ratings and overall mean scores. Results: A total of 4822 potential apps were identified, of which 24 met eligibility criteria. Among these, 13 (54%) were available on both platforms, 5 (21%) were exclusive to the Google Play Store, and 6 (25%) to the Apple App Store. Notably, 5 (20.8%) apps offered user-tailored training modules and 8 (33%) involved medical professionals in development. Interrater agreement was high (k=0.88; 95% CI, 0.80-0.95). Global quality scores based on the MARS dimensions ranged from 2.38 to 4.13, with a mean (SD) of 3.57 (0.43) across 24 apps, indicating generally acceptable quality. The functionality dimension received the highest score, while engagement scored the lowest. Brain HQ and Peak had scores above 4 and were rated as good, whereas Memory Trainer, Cognitive Skill Training, and Ginkgo Memory & Brain Training scored below 3 and were rated as insufficient. Spearman correlation showed no significant association between mean score and app rating. Conclusions: Current cognitive training apps for older adults with cognitive impairment demonstrate moderate quality with considerable variability. Improvements are needed in the engagement and information dimensions. Future development should prioritize enhancing user engagement, incorporating personalized features, and involving health care professionals and experts to align with evidence-based guidelines.
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 | 0,056 | 0,195 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,017 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».