Digital symptom checkers for COVID-19: a scoping review and pilot study of the ENTIRE quality appraisal tool for health informatics studies
Notice bibliographique
Résumé
The COVID-19 pandemic has generated an explosion of digital health applications to support citizens, professionals, healthcare organizations and governments. This scoping review aims to describe the scope and type of studies on COVID-19 digital symptom checkers in the early pandemic, and to pilot the ENTIRE quality appraisal tool for health informatics studies. The search strategy included three concepts: symptom checkers, digital, and COVID-19 and was conducted in Medline, Web of Science and ABI/INFORM Collection. The ENTIRE tool was built adapting items from the Mixed methods appraisal tool, the STAtement on the Reporting of Evaluation studies in Health Informatics guidelines, and from the mobile Health on the Net Code. Of the 4379 unique publications, 29 studies met the inclusion criteria, reporting on 26 COVID-19 symptom checkers. Most studies (75%, 23/29) were observational, and 38% (11/29) had no clear evaluation criterion. Few studies reported the evaluation of usability, and results observed in high-quality studies were mitigated, indicating a low added value of COVID-19 symptom checkers. With the ENTIRE tool, 17/29 studies obtained a score of 6 or more out of 10 (high-quality). Studies on digital symptom checkers were not frequent, and mostly driven by academic institutions and healthcare organizations. The ENTIRE tool was useful to assess the quality of studies: all studies with a quality score below 6 had unclear results. This review confirms the need for further developing standard methods for evaluating the quality of studies on digital health interventions.
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 | 0,398 | 0,597 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,017 |
| Bibliométrie | 0,044 | 0,037 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».