Design, implementation, and pilot testing of an automated method to characterize mobile health apps' topical areas by extracting information from the web

Mobile Health (mHealth) is a possible new model of social health care achieved through the use of mobile devices such as smartphones, patient monitoring devices, personal digital assistants, and wearable technologies. The market of mHealth apps is very large and finding the right app for a specific need can be challenging, both for medical users and for patients. Furthermore, it may also be difficult to identify the relevant features of an app before downloading it. This situation arises the need of automated methods to characterize mHealth apps. In this study, a method based on text analytics to characterize the features of mobile health apps was developed. In particular, apps in the Medical (M) and Health & Fitness (H&F) categories on the US iTunes App Store were analyzed. As a result, 42008 M and 79557 H&F apps’ webpages were automatically crawled. After duplicates and non-English apps removal, a database of 80490 unique apps was created and classified with the proposed method, based on the identification of biomedical concepts and their membership to specific topical areas. This automated method was developed on a training set of 400 apps and validated on a test set of 400 apps randomly selected from this database. These preliminary results suggested the viability of automated characterization of apps and highlighted directions for improvement in terms of: classification rules and vocabularies, analysis of Semantic Types, and extraction of additional features (promoters, services, and users). The availability of automated tools for app characterization could support healthcare professionals in informed, aware selection of health apps to recommend and prescribe to their patients.

Il Mobile Health (mHealth) costituisce un possibile nuovo modello di assistenza socio-sanitaria, realizzabile tramite l’utilizzo di dispositivi mobili come gli smartphone, i dispositivi di monitoraggio dei pazienti, i personal digital assistants, e le tecnologie indossabili. Il mercato delle app mHealth è molto ampio ed individuare la giusta app per un bisogno specifico può essere difficile, sia per un utente medico che per un paziente. Inoltre, è alquanto difficile identificare le caratteristiche rilevanti di un’app prima di effettuarne il download. In questo scenario, nasce il bisogno di sviluppare metodologie valide a classificare app potenzialmente utili per la salute, e ad identificare le loro caratteristiche. Questo lavoro si sviluppa in questa area, al fine di proporre una metodologia automatizzata basata sull’analisi testuale delle informazioni estratte dal web. In particolare, ci si è focalizzati sulle apps nelle categorie “Medical” (M) e “Health & Fitness” (H&F) presenti nell’US iTunes App Store. A tal fine, 42008 M e 79557 H&F pagine web sono state scaricate e, dopo la rimozione di duplicati e apps non in inglese, è stato creato un database contenente 80490 apps, successivamente classificato con il metodo proposto in questo studio, basato sull’identificazione di concetti medici e la loro appartenenza a specifiche aree di interesse. Tale metodo è stato sviluppato partendo da un training set composto da 400 apps e testato su un sottoinsieme di 400 apps estratte in modo casuale da questo database. I risultati ottenuti suggeriscono la fattibilità della caratterizzazione automatizzata delle apps e inoltre evidenziano una serie di possibili miglioramenti futuri del metodo stesso: il miglioramento della funzione di classificazione, l’analisi dei Semantic Types, l’estrazione di ulteriori caratteristiche (promotori, servizi, gli utenti) delle app per avere una visuale più ampia delle applicazioni. La disponibilità di un metodo come quello descritto in questa Tesi potrebbe essere da supporto per i professionisti del settore sanitario per una selezione più informata e consapevole delle apps da prescrivere ai loro pazienti.