Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“
Richter JG, Chehab G, Kiltz U, Becker A, von Jan U, Albrecht U-V, Schneider M, Specker C (2021)
Zeitschrift für Rheumatologie.
Zeitschriftenaufsatz
| Veröffentlicht | Deutsch
Download
Es wurden keine Dateien hochgeladen. Nur Publikationsnachweis!
Autor*in
Richter, J. G.;
Chehab, G.;
Kiltz, U.;
Becker, A.;
von Jan, U.;
Albrecht, Urs-VitoUniBi
;
Schneider, M.;
Specker, C.
![](https://pub.uni-bielefeld.de/images/icon_orcid.png)
Alternativer Titel
Eine longitudinale Betrachtung
Abstract / Bemerkung
**Hintergrund**
Die App Stores von Apple und Google bieten eine Vielzahl von Gesundheits-Apps an. Das Auffinden qualitativ hochwertiger Apps ist immer noch eine Herausforderung. **Fragestellung**
Lassen sich unter Anwendung der SARASA(„semiautomated retrospective App Store analysis“)-Methode für das Fachgebiet Rheumatologie deutschsprachige Apps identifizieren? **Material und Methode**
SARASA ist eine Methode zur teilautomatisierten Auswahl und Charakterisierung von App Store-gelisteten Apps nach formalen Kriterien. Nach der ersten Anwendung in 02/2018 wurde SARASA 02/2020 erneut auf den Apple App Store angewendet. **Ergebnisse**
In 02/2018 konnten für Apps in den Store-Kategorien „Medizin“ oder „Gesundheit und Fitness“ Metadaten zu 103.046 Apps und bei einer erneuten Erhebung in 02/2020 Daten zu 94.735 Apps über das deutsche Frontend des Apple App Stores ausgelesen werden. Im Jahr 2018 wurden nach Anwendung der Suchbegriffe 59 Apps mit einer deutschsprachigen Beschreibung für das Fachgebiet Rheumatologie identifiziert, 2020 waren dies 53 Apps, die jeweils manuell weiter überprüft wurden; 2018 waren noch mehr der gefundenen Apps für Patienten als für Ärzte vorgesehen, dies war 2020 ausgeglichener. Zudem zeigte sich, dass bei bestimmten Krankheitsbildern von den App-Entwicklern keine Bearbeitungen erfolgten. Die prozentuale Verteilung von Treffern nach Suchbegriffen zeigte im Vergleich von 2018 zu 2020 große Schwankungen. **Diskussion**
Die SARASA-Methode stellt ein hilfreiches Werkzeug dar, um Gesundheits-Apps teilautomatisiert zu identifizieren, die vordefinierten, formalen Kriterien entsprechen. Die inhaltliche Qualität muss anschließend manuell überprüft werden. Weiterentwicklungen der SARASA-Methode und die weitere Konsentierung und Standardisierung von Qualitätskriterien sind sinnvoll. Qualitätskriterien sollten beim Angebot von Gesundheits-Apps in den App-Stores berücksichtigt werden.
**Background**
The Apple and Google app stores offer a wide range of health apps. It is still a challenge to find valuable and qualified apps. **Objective**
Can German language apps be identified using the “semiautomated retrospective app store analysis” (SARASA) method for the field of rheumatology? **Material and method**
The SARASA is a semiautomated method to select and characterize apps listed in the app store. After the first application in February 2018 SARASA was applied again to the Apple app store in February 2020. **Results**
In February 2018 it was possible to acquire metadata for 103,046 apps and in February 2020 data for 94,735 apps that were listed in the category “health and fitness” or “medicine” in Apple’s app store frontend for Germany. After applying the search terms 59 apps with a German language app description were identified for the field of rheumatology in 2018 and 53 apps in 2020. For these, more detailed manual reviews seem worthwhile. In 2018, the apps found were more likely to address patients than physicians and this was more balanced in 2020. In addition, it became apparent that for certain diseases there was no app developer activity. The percentage breakdown of matches by search term revealed substantial fluctuations in the app market when comparing 2018 to 2020. **Discussion**
The SARASA method provides a useful tool to identify apps from app stores that meet predefined, formal criteria. Subsequent manual checks of the quality of the contents are still necessary. Further development of the SARASA method and consensus and standardization of quality criteria are worthwhile. Quality criteria should be considered for offers of mobile health apps in app stores.
Die App Stores von Apple und Google bieten eine Vielzahl von Gesundheits-Apps an. Das Auffinden qualitativ hochwertiger Apps ist immer noch eine Herausforderung. **Fragestellung**
Lassen sich unter Anwendung der SARASA(„semiautomated retrospective App Store analysis“)-Methode für das Fachgebiet Rheumatologie deutschsprachige Apps identifizieren? **Material und Methode**
SARASA ist eine Methode zur teilautomatisierten Auswahl und Charakterisierung von App Store-gelisteten Apps nach formalen Kriterien. Nach der ersten Anwendung in 02/2018 wurde SARASA 02/2020 erneut auf den Apple App Store angewendet. **Ergebnisse**
In 02/2018 konnten für Apps in den Store-Kategorien „Medizin“ oder „Gesundheit und Fitness“ Metadaten zu 103.046 Apps und bei einer erneuten Erhebung in 02/2020 Daten zu 94.735 Apps über das deutsche Frontend des Apple App Stores ausgelesen werden. Im Jahr 2018 wurden nach Anwendung der Suchbegriffe 59 Apps mit einer deutschsprachigen Beschreibung für das Fachgebiet Rheumatologie identifiziert, 2020 waren dies 53 Apps, die jeweils manuell weiter überprüft wurden; 2018 waren noch mehr der gefundenen Apps für Patienten als für Ärzte vorgesehen, dies war 2020 ausgeglichener. Zudem zeigte sich, dass bei bestimmten Krankheitsbildern von den App-Entwicklern keine Bearbeitungen erfolgten. Die prozentuale Verteilung von Treffern nach Suchbegriffen zeigte im Vergleich von 2018 zu 2020 große Schwankungen. **Diskussion**
Die SARASA-Methode stellt ein hilfreiches Werkzeug dar, um Gesundheits-Apps teilautomatisiert zu identifizieren, die vordefinierten, formalen Kriterien entsprechen. Die inhaltliche Qualität muss anschließend manuell überprüft werden. Weiterentwicklungen der SARASA-Methode und die weitere Konsentierung und Standardisierung von Qualitätskriterien sind sinnvoll. Qualitätskriterien sollten beim Angebot von Gesundheits-Apps in den App-Stores berücksichtigt werden.
**Background**
The Apple and Google app stores offer a wide range of health apps. It is still a challenge to find valuable and qualified apps. **Objective**
Can German language apps be identified using the “semiautomated retrospective app store analysis” (SARASA) method for the field of rheumatology? **Material and method**
The SARASA is a semiautomated method to select and characterize apps listed in the app store. After the first application in February 2018 SARASA was applied again to the Apple app store in February 2020. **Results**
In February 2018 it was possible to acquire metadata for 103,046 apps and in February 2020 data for 94,735 apps that were listed in the category “health and fitness” or “medicine” in Apple’s app store frontend for Germany. After applying the search terms 59 apps with a German language app description were identified for the field of rheumatology in 2018 and 53 apps in 2020. For these, more detailed manual reviews seem worthwhile. In 2018, the apps found were more likely to address patients than physicians and this was more balanced in 2020. In addition, it became apparent that for certain diseases there was no app developer activity. The percentage breakdown of matches by search term revealed substantial fluctuations in the app market when comparing 2018 to 2020. **Discussion**
The SARASA method provides a useful tool to identify apps from app stores that meet predefined, formal criteria. Subsequent manual checks of the quality of the contents are still necessary. Further development of the SARASA method and consensus and standardization of quality criteria are worthwhile. Quality criteria should be considered for offers of mobile health apps in app stores.
Erscheinungsjahr
2021
Zeitschriftentitel
Zeitschrift für Rheumatologie
Urheberrecht / Lizenzen
ISSN
0340-1855
eISSN
1435-1250
Page URI
https://pub.uni-bielefeld.de/record/2958331
Zitieren
Richter JG, Chehab G, Kiltz U, et al. Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“. Zeitschrift für Rheumatologie. 2021.
Richter, J. G., Chehab, G., Kiltz, U., Becker, A., von Jan, U., Albrecht, U. - V., Schneider, M., et al. (2021). Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“. Zeitschrift für Rheumatologie. https://doi.org/10.1007/s00393-021-01099-9
Richter, J. G., Chehab, G., Kiltz, U., Becker, A., von Jan, U., Albrecht, Urs-Vito, Schneider, M., and Specker, C. 2021. “Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“”. Zeitschrift für Rheumatologie.
Richter, J. G., Chehab, G., Kiltz, U., Becker, A., von Jan, U., Albrecht, U. - V., Schneider, M., and Specker, C. (2021). Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“. Zeitschrift für Rheumatologie.
Richter, J.G., et al., 2021. Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“. Zeitschrift für Rheumatologie.
J.G. Richter, et al., “Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“”, Zeitschrift für Rheumatologie, 2021.
Richter, J.G., Chehab, G., Kiltz, U., Becker, A., von Jan, U., Albrecht, U.-V., Schneider, M., Specker, C.: Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“. Zeitschrift für Rheumatologie. (2021).
Richter, J. G., Chehab, G., Kiltz, U., Becker, A., von Jan, U., Albrecht, Urs-Vito, Schneider, M., and Specker, C. “Identifikation rheumatologischer Gesundheits-Apps im Apple App Store mit der Methode der „semiautomatischen retrospektiven App Store-Analyse“”. Zeitschrift für Rheumatologie (2021).
Alle Dateien verfügbar unter der/den folgenden Lizenz(en):
Creative Commons Namensnennung 4.0 International Public License (CC-BY 4.0):
Link(s) zu Volltext(en)
Access Level
![Open access file OA](https://pub.uni-bielefeld.de/images/access_open.png)
Daten bereitgestellt von European Bioinformatics Institute (EBI)
Zitationen in Europe PMC
Daten bereitgestellt von Europe PubMed Central.
References
Daten bereitgestellt von Europe PubMed Central.
Export
Markieren/ Markierung löschen
Markierte Publikationen
Web of Science
Dieser Datensatz im Web of Science®Quellen
PMID: 34633503
PubMed | Europe PMC
Suchen in