Evaluation of Mobile Nutrition Management Apps for Diabetes: Quality, Dietary Guideline Adherence, and Recommendations: A Mixed Method Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND Diabetes mellitus (DM) is a chronic metabolic disorder marked by elevated blood glucose levels and has emerged as a global epidemic that needs management strategies for effective glycemic control through diet. In recent years, mobile applications have emerged as valuable tools for supporting self-management in chronic diseases, such as diabetes, particularly in the nutritional aspect of the disease. However, the quality, accuracy, and adherence of these applications to established dietary guidelines remain undiscovered and inconsistent. OBJECTIVE The study aims to evaluate the functionality and adherence to guidelines of digital nutrition management applications for diabetes, with a focus on dietary guidelines from the American Diabetes Association (ADA), World Health Organization (WHO), European Association for the Study of Diabetes (EASD), and Canadian Diabetes Association (CDA). METHODS A mixed-methods approach was used, involving a systematic review of mobile applications from the Google Play Store and Apple App Store. A total of 24 applications were selected based on predefined inclusion and exclusion criteria. Applications were analyzed for their content and features using a compliance checklist derived from official dietary guidelines for diabetes. Additionally, the Mobile App Rating Scale (MARS) was used to evaluate application quality on engagement, functionality, aesthetics, and information. RESULTS Only two applications showed full compliance with the dietary guidelines, while most applications showed partial adherence. The MARS evaluation revealed significant variability in application quality, where only two applications had a mean score above 4.0. This shows major gaps in user engagement, functionality, educational content, and personalization. CONCLUSIONS Even with the growing availability of nutrition management applications for diabetes, many lack full compliance with dietary guidelines and show room for improvement in their content quality. A collaboration between healthcare professionals, developers, and patients is essential for the future development of these tools to effectively support diabetes self-management.
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 | 0,048 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».