Evaluating the Quality and Features of Visual Acuity Apps Using the Mobile App Rating Scale: Systematic Review
Notice bibliographique
Résumé
Background: Mobile visual acuity (VA) apps have emerged as valuable tools in both clinical and home settings, particularly in the context of expanding teleophthalmology. Despite the growing number of apps available to measure visual acuity, studies evaluating their overall quality, functionality, and clinical relevance are limited. Objective: This study aimed to systematically evaluate the quality and features of mobile VA apps available on iOS and Android platforms using the clinically validated Mobile App Rating Scale (MARS). Methods: A comprehensive search of the Google Play Store and Apple App Store was conducted between January 2024 and March 2024 using standardized search terms. Eligible apps included free, English-language VA testing tools not requiring external devices. App characteristics and features were extracted. Each app was independently evaluated by 2 trained reviewers using MARS, which rates engagement, functionality, aesthetics, information quality, and subjective quality on a 5-point scale. Results: Of the 725 apps initially identified, 44 met the inclusion criteria, with 23 from the Google Play Store and 21 from the Apple App Store. The most common VA test optotypes used were Tumbling E (n=21; 48%), Snellen Chart (18/44; 41%), and Landolt C (n=14; 32%). Common supplemental features included color vision testing (n=20; 46%), astigmatism tests (n=13; 30%), Amsler grid (n=13; 30%), and contrast testing (n=12; 28%). The average MARS scores were comparable across platforms: 3.04 (SD 0.80) for Android and 3.02 (SD 0.84) for iOS. Functionality received the highest ratings (mean 3.65, SD 0.75 for Android; mean 3.71, SD 0.82 for iOS), while subjective quality received the lowest (mean 2.09, SD 1.01 for Android; mean 2.21, SD 1.01 for iOS). Few apps had undergone clinical validation. Only Apple App Store apps demonstrated significant correlations between MARS scores and app store star ratings. Conclusions: VA apps exhibited considerable heterogeneity in quality, functionality, and clinical use. Total mean MARS scores were similar between the Google Play Store and the Apple App Store, suggesting that neither platform consistently offers superior app quality. While many apps are technically sound, low subjective-quality scores and a lack of clinical validation limit their current use in professional practice. These findings underscore the need for more rigorous app development and validation standards to improve their relevance and reliability in teleophthalmology.
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 | 0,017 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».