論文の概要: Promoting Health via mHealth Applications Using a French Version of the Mobile App Rating Scale: Adaptation and Validation Study

• arxiv url: http://arxiv.org/abs/2407.17472v1
• Date: Thu, 27 Jun 2024 08:26:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-28 18:09:38.437178
• Title: Promoting Health via mHealth Applications Using a French Version of the Mobile App Rating Scale: Adaptation and Validation Study
• Title（参考訳）: モバイルアプリレーティング尺度のフランス語版を用いたmHealthアプリケーションによる健康増進:適応と妥当性の検討
• Authors: Ina Saliasi, Prescilla Martinon, Emily Darlington, Colette Smentek, Delphine Tardivo, Denis Bourgeois, Claude Dussart, Florence Carrouel, Laurie Fraticelli,
• Abstract要約: モバイル・アプリケーション・レーティング・スケール(英語: Mobile Application Rating Scale、MARS)は、mHealthアプリケーション機能の評価と比較に科学文献で広く用いられているツールである。 MARSはフランス文化にも言語にも適応していない。 本研究は,MARSのフランス語版(MARS-F)を翻訳し,適応し,検証することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background In the recent decades, the number of apps promoting health behaviors and health-related strategies and interventions has increased alongside the number of smartphone users. Nevertheless, the validity process for measuring and reporting app quality remains unsatisfactory for health professionals and end users and represents a public health concern. The Mobile Application Rating Scale (MARS) is a tool validated and widely used in the scientific literature to evaluate and compare mHealth app functionalities. However, MARS is not adapted to the French culture nor to the language. Objective This study aims to translate, adapt, and validate the equivalent French version of MARS (ie, MARS-F). Methods The original MARS was first translated to French by two independent bilingual scientists, and their common version was blind back-translated twice by two native English speakers, culminating in a final well-established MARS-F. Its comprehensibility was then evaluated by 6 individuals (3 researchers and 3 nonacademics), and the final MARS-F version was created. Two bilingual raters independently completed the evaluation of 63 apps using MARS and MARS-F. Interrater reliability was assessed using intraclass correlation coefficients. In addition, internal consistency and validity of both scales were assessed. Mokken scale analysis was used to investigate the scalability of both MARS and MARS-F. Results MARS-F had a good alignment with the original MARS, with properties comparable between the two scales. The correlation coefficients (r) between the corresponding dimensions of MARS and MARS-F ranged from 0.97 to 0.99. The internal consistencies of the MARS-F dimensions engagement ($\omega$=0.79), functionality ($\omega$=0.79), esthetics ($\omega$=0.78), and information quality ($\omega$=0.61) were acceptable and that for the overall MARS score ($\omega$=0.86) was good. Mokken scale analysis revealed a strong scalability for MARS (Loevinger H=0.37) and a good scalability for MARS-F (H=0.35). Conclusions MARS-F is a valid tool, and it would serve as a crucial aid for researchers, health care professionals, public health authorities, and interested third parties, to assess the quality of mHealth apps in French-speaking countries.
• Abstract（参考訳）: 背景 ここ数十年、スマートフォンユーザーの数とともに、健康行動や健康関連戦略、介入を促進するアプリが増えている。 それでも、アプリ品質の測定および報告の妥当性のプロセスは、医療専門家やエンドユーザにとって不満足であり、公衆衛生上の懸念を表している。 モバイル・アプリケーション・レーティング・スケール(英語: Mobile Application Rating Scale、MARS)は、mHealthアプリケーション機能の評価と比較に科学文献で広く用いられているツールである。 しかし、MARSはフランス文化にも言語にも適応していない。 目的 この研究の目的は、MARSのフランス語版(MARS-F)を翻訳し、適応し、検証することである。 方法 オリジナルのMARSは2人の独立したバイリンガル科学者によって最初にフランス語に翻訳され、共通のバージョンは2人のネイティブ・イングリッシュ・スピーカーによって2度書き直され、最終的に確立されたMARS-Fとなった。 その後、その理解性は6名(研究者3名、博士3名)によって評価され、最終的なMARS-F版が作成された。 2つのバイリンガルレーダがMARSとMARS-Fを用いた63種類のアプリの評価を独立に完了した。 クラス内相関係数を用いてインターレータ信頼性を評価した。 さらに,両尺度の内的整合性と妥当性を評価した。 モッケンスケール解析はMARSとMARS-Fの両方のスケーラビリティを調べるために用いられた。 その結果、MARS-Fは元のMARSとよく一致し、2つのスケールに匹敵する特性を示した。 MARSとMARS-Fの相関係数(r)は0.97から0.99であった。 MARS-F 次元のエンゲージメント (\omega$=0.79), 機能 (\omega$=0.79), 美学 (\omega$=0.78), 情報品質 (\omega$=0.61), 総合 MARS スコア (\omega$=0.86) は良好であった。 モッケンスケール解析により、MARSのスケーラビリティ(Loevinger H=0.37)とMARS-Fのスケーラビリティ(H=0.35)が明らかにされた。 結論 MARS-F は有効なツールであり、フランス語を話す国々でmHealth アプリの品質を評価するために、研究者、医療専門家、公衆衛生当局、関心のある第三者にとって重要な支援となる。

関連論文リスト

• A Large-Scale Study of Relevance Assessments with Large Language Models: An Initial Look [52.114284476700874]
  本稿では,4つの異なる関連性評価手法が展開された大規模評価(TREC 2024 RAG Track)の結果について報告する。 自動生成UMBRELA判定は、完全に手動による判断を置き換えて、実行レベルの有効性を正確に捉えることができる。 意外なことに、LLMアシストは完全な手作業による評価と相関を増さないようで、人間のループプロセスに関連するコストは明らかな有意義な利益をもたらすものではないことを示唆している。
  論文  参考訳（メタデータ） (2024-11-13T01:12:35Z)
• FMBench: Benchmarking Fairness in Multimodal Large Language Models on Medical Tasks [11.094602017349928]
  本研究では,MLLMの性能評価を行うためのベンチマークとしてFMBenchを提案する。 一般医療を含む8つの最先端オープンソースMLLMの性能と妥当性を徹底的に評価した。 すべてのデータとコードは、受け入れられると解放される。
  論文  参考訳（メタデータ） (2024-10-01T21:38:15Z)
• A Benchmark Evaluation of Clinical Named Entity Recognition in French [4.430193084761607]
  バイオメディカルモデルであるCamemBERT-bioとDrBERTを評価し,標準フランスのモデルであるCamemBERT,FrauBERT,FrALBERTと比較した。 その結果,CamemBERT-bioはDrBERTを一貫して上回り,FrauBERTは競争性能を示し,FrAlBERTは最も低い炭素プリントを達成することが示唆された。
  論文  参考訳（メタデータ） (2024-03-28T07:59:58Z)
• Extracting Social Support and Social Isolation Information from Clinical Psychiatry Notes: Comparing a Rule-based NLP System and a Large Language Model [28.806204617884898]
  社会的支援と社会的孤立は健康の社会的決定要因である。 マウント・シナイ・ヘルス・システムとウェル・コーネル・メディカルの精神医学的出会いノートに注釈が付され、ゴールド・スタンダード・コーパスが確立された。 FLAN-T5-XLを用いたレキシコンと大規模言語モデル(LLM)を用いたルールベースシステム(RBS)を開発した。
  論文  参考訳（メタデータ） (2024-03-25T21:19:50Z)
• MARS: Meaning-Aware Response Scoring for Uncertainty Estimation in Generative LLMs [25.140644986988487]
  不確実性評価のための長さ正規化スコアリング(UE)の代替として,MARS(Meaning-Aware Response Scoring)を提案する。 MARSは、質問の文脈において生成されたシーケンスにおける各トークンのセマンティックコントリビューションを考慮に入れた、新しいスコアリング機能である。 UE手法にMARSを組み込むことにより,UE性能の普遍的かつ大幅な向上が期待できることを示す。
  論文  参考訳（メタデータ） (2024-02-19T01:04:22Z)
• MarginMatch: Improving Semi-Supervised Learning with Pseudo-Margins [73.17295479535161]
  MarginMatchは、一貫性の正規化と擬似ラベルを組み合わせた新しいSSLアプローチである。 トレーニングが進むにつれて、擬似ラベル付きモデル上でのモデルの振る舞いを分析し、低品質な予測が隠蔽されることを確かめる。 CIFAR-100では,クラス毎に25ラベル,STL-10では3.78%,クラス毎に4ラベルで3.25%の誤差率向上を実現した。
  論文  参考訳（メタデータ） (2023-08-17T15:19:04Z)
• Cross-corpus Readability Compatibility Assessment for English Texts [6.225179315266989]
  本稿では,新たな評価フレームワークであるクロスコーパステキスト可読性評価を提案する。 このフレームワークは、コーパス:CEFR、CLEC、CLOTH、NES、OSP、RACEの3つの主要なコンポーネントを含んでいる。 この結果,OSPは他のデータセットと大きく異なっていた。
  論文  参考訳（メタデータ） (2023-06-16T09:15:39Z)
• Evaluating the Performance of Large Language Models on GAOKAO Benchmark [53.663757126289795]
  本稿では,中国のガオカオ検定の質問をサンプルとして用いた直感的なベンチマークであるガオカオベンチについて紹介する。 人間の評価により, GPT-4, ChatGPT, ERNIE-Botを含むLLMの変換総得点を得た。 また、LLMを用いて主観的質問を格付けし、モデルスコアが人間のスコアと適度な一貫性を達成することを確認する。
  論文  参考訳（メタデータ） (2023-05-21T14:39:28Z)
• Incorporating Emotions into Health Mention Classification Task on Social Media [70.23889100356091]
  情緒的特徴を取り入れた健康言及分類のための枠組みを提案する。 我々は,ソーシャルメディアプラットフォームによる5つのHMC関連データセットに対するアプローチを評価した。 以上の結果から,感情的な知識を取り入れたHMCモデルが有効な選択肢であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-09T18:38:41Z)
• Auditing Algorithmic Fairness in Machine Learning for Health with Severity-Based LOGAN [70.76142503046782]
  臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。 LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。 SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
  論文  参考訳（メタデータ） (2022-11-16T08:04:12Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。