Engagement of Users in Digital Health Applications: Scoping Review
Notice bibliographique
Résumé
Background: Mobile health (mHealth) uses mobile technology as a tool for prevention and health promotion. Research indicates that user engagement is crucial for effective mHealth interventions and improved health outcomes. However, many studies report low adoption rates, rapid decline after initial use, and a lack of acknowledgment of user implications in achieving outcomes. Thus, conceptualizing participation in mHealth is essential to identify key determinants for engaging users. Objective: This scoping review aims to identify and characterize the attributes and definitions of user engagement in mHealth, examine engagement methods, and analyze barriers and facilitators influencing participation. Methods: Following the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) guidelines, Scopus, Web of Science, and PubMed databases were searched for publications between 2000 and 2025 with a 2-stage selection process. Results: Out of 2489 articles identified, 1416 were screened, and 52 met the inclusion criteria. Half were recently published in the last 5 years (2020-2025). Existing literature focused on digital interventions for specific populations and health topics. Analysis revealed four main perspectives on engagement in mHealth: (1) usage metrics, (2) subjective user experiences, (3) a hybrid approach that combines both, and (4) a goal-oriented perspective (behavior change or health outcomes). Conclusions: To understand the complexity and multifactorial nature of participation, it is relevant to conceptualize it as a dynamic mechanism enabling users to achieve their objectives. Both quantitative use and subjective user experience should be integrated to reach the optimal intervention dose. Recognizing users' evolving needs, uniqueness, and their socioenvironmental context interdependence, it is essential to involve users in all stages (design, implementation, and iterative evaluation of mHealth). Findings will inform an e-Delphi study to establish consensus on engagement criteria.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».