Obesity is known to lower the quality of life substantially. It is often associated with increased chances of non-communicable diseases such as diabetes, cardiovascular problems, different types of cancers, etc. Evidence suggests that diet-related mobile applications play a vital role in assisting an individual in making healthier choices and keeping track of food intake. However, due to an abundance of similar applications, it becomes pertinent to evaluate each of them in terms of functionality, usability, and possible design issues to truly determine state-of-the-art solutions for the future. Since these applications involve implementing multiple user requirements and recommendations from different dietitians, the evaluation becomes quite complex. Therefore, this study aims to review existing dietary applications at length to highlight key features and problems that enhance or undermine an application's usability. For this purpose, we have examined the published literature from various scientific databases of the CINAHL, Science Direct, and PUBMED. Out of our findings, fifty-six primary studies met our inclusion criteria after filtering out titles, abstracts, and full text. A total of 35 apps are analyzed from the selected studies. Our detailed analysis concluded the comprehensiveness of freely available mHealth applications from users and dietitians' frames of reference. Furthermore, we have also specified potential future challenges and stated recommendations to help develop clinically accurate diet-related applications.


翻译:众所周知,肥胖会大大降低生活质量,这往往与糖尿病、心血管问题、不同类型癌症等非传染性疾病的机会增加有关。 有证据表明,与饮食有关的移动应用在帮助个人做出更健康的选择和跟踪食物摄入量方面发挥着关键作用。然而,由于有大量类似的应用,因此有必要从功能性、可用性和可能的设计问题等方面对每一种应用进行评估,以真正确定未来的最新解决方案。由于这些应用涉及执行多种用户要求和不同饮食学家的建议,因此评估变得相当复杂。因此,本研究旨在详细审查现有的饮食应用,以突出提高或削弱应用可用性的关键特征和问题。为此,我们研究了来自CINAHL、科学指导、PUBMED等科学数据库的出版文献。在我们的调查结果中,在过滤了标题、摘要和全文之后,56项主要研究达到了我们的包容性标准。从选定的研究中共分析了35项应用软件。我们的详细分析结论是,从可自由获取的临床饮食应用到未来应用中与我们所陈述的与健康相关的潜在挑战。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
47+阅读 · 2021年4月9日
专知会员服务
39+阅读 · 2020年9月6日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Arxiv
0+阅读 · 2021年9月2日
Arxiv
0+阅读 · 2021年9月1日
Arxiv
5+阅读 · 2018年1月23日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
47+阅读 · 2021年4月9日
专知会员服务
39+阅读 · 2020年9月6日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Top
微信扫码咨询专知VIP会员