Availability and Use of Digital Technology Among Women With Polycystic Ovary Syndrome: Scoping Review
Notice bibliographique
Résumé
Background: Polycystic ovary syndrome (PCOS) is a common endocrinopathy among women that requires self-management to improve mental and physical health outcomes and reduce risk of comorbidity. Digital technology has rapidly emerged as a valuable self-management tool for people with chronic health conditions. However, little is known about the digital technology available for and used by women with PCOS. . Objective: The purpose of this scoping review was to identify what is known about digital technology currently available and used by women with PCOS for PCOS-specific knowledge, self-management, or social support. Methods: The databases PubMed, Embase, CINAHL, and Compendex were searched using Medical Subject Headings terms for PCOS, digital technology, health knowledge, self-management, and social support. Inclusion criteria were full-text, peer-reviewed publications of primary research from 2010 to 2025 in English about digital technology used for PCOS-specific knowledge, self-management, or social support by women aged 18 years and older with PCOS. Exclusion criteria were articles about pediatric populations and digital technology used for intervention recruitment or by health care providers to diagnose or treat patients. Results: In total, 34 full-text articles met the inclusion criteria. Given the scope of digital technology, eligible studies were grouped into 7 domains: mobile apps (n=14), internet-based programs (eg, Google; n=6), social media (n=6), SMS text message (n=2), machine learning (n=2), artificial intelligence (eg, ChatGPT [OpenAI]; n=3), and web-based intervention platforms (n=1). Findings highlighted participants' varied perceptions of technology usefulness based on reliability of health care information, application features, accuracy of PCOS or fertility prediction, social group engagement, user-friendly interfaces, cultural sensitivity, and accessibility. Conclusions: There is potential for digital technology to transform PCOS self-management, but further design and development are needed to optimize the technologies for women with PCOS. Future research should focus on including end users during the design phase of digital technology, refining predictive models, improving app inclusivity, conducting frequent reliability testing, and enhancing user engagement and support via additional features to promote more comprehensive self-management of PCOS. .
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 | 0,007 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,015 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».