上面的文章

上面的文章

上面的文章
文章 的观点 微博 斯高帕斯引用 Altmetric
移动应用程序评分量表:评估健康移动应用程序质量的新工具

2015;3(1):e27

224622 83 702
基于正念的iPhone应用程序的审查和评估

2015;3(3):e82

142080 250 219
Fitbit腕带测量睡眠阶段过渡的准确性和用户特定因素的影响

中国医药卫生杂志2019;7(6):e13384

126506 18 17
健康应用在美国手机用户中的使用:一项全国性调查

2015;3(4):e101

81581 311 543
正念冥想移动应用程序“平静”在大学生中减轻压力的功效:随机对照试验

JMIR Mhealth Uhealth 2019;7(6):e14273

80930 56 58
基于正念的移动应用:文献综述与现状分析

2013;1(2):e24

71400 21 104
苹果手表测量心血管疾病患者心率和能量消耗的准确性:横断面研究

2019;7(3):e11889

69063 21 24
成人抑郁症多模式数字心理治疗平台的有效性:一项自然主义可行性研究

JMIR移动健康Uhealth 2019;7(1):e10948

64134 25 9
移动健康干预措施的影响:系统评价的系统评价

JMIR Mhealth Uhealth 2018;6(1):e23

58569 283 282
移动应用程序在健康干预中的行为功能:文献的系统回顾

JMIR Mhealth Uhealth 2015;3(1):e20

58531 31 268
生态有效24小时内消费者穿戴式心率测量的准确性:个体内验证研究

JMIR Mhealth Uhealth 2019;7(3):e10828

58248 86 51
移动健康应用可用性问卷(MAUQ):开发和验证研究

JMIR Mhealth Uhealth 2019;7(4):e11500

49551 23 47
移动医疗应用工具的评估

JMIR Mhealth Uhealth 2014;2(2):e19

42842 26 124
数字心理健康的共情驱动对话人工智能代理(Wysa):真实世界数据评估混合方法研究

2018;6(11):e12106

42533 62 84
Fitbit设备的准确性:定量数据的系统回顾和叙述综合

JMIR Mhealth Uhealth 2018;6(8):e10527

40134 237 117
可持续遏制COVID-19的基于QR码的接触者追踪框架:协助恢复正常活动的方法评估

JMIR Mhealth Uhealth 2020;8(9):e22321

39129 2 8
利用深度学习从可穿戴数据预测睡眠质量

JMIR Mhealth Uhealth 2016;4(4):e125

38105 120 68
心力衰竭家庭心血管监测系统的比较研究

中国医药卫生研究院2019;7(1):e12419

38065 126 16
最流行的智能手机减肥应用程序:质量评估

2015;3(4):e104

37635 43 132
移动应用程序评定量表(uMARS)用户版的开发和验证

JMIR Mhealth Uhealth 2016;4(2):e72

35545 50 156
用于监测心率、心率变异性和心房颤动的手机应用程序的现状:叙述回顾

JMIR Mhealth Uhealth 2019;7(2):e11606

35305 35 53
探索移动医疗的远端:iOS和Android移动医疗应用程序的信息安全和隐私

2015;3(1):e8

32093 19 122
持续性疼痛患者应用程序自我管理支持功能的评估:系统综述

JMIR Mhealth Uhealth 2019;7(2):e13080

31179 67 20.
智能手表和便携式健康设备测量生命体征的准确性:验证研究

JMIR Mhealth Uhealth 2020;8(2):e16811

31154 5 4
基于消费者的可穿戴活动跟踪器增加身体活动参与:系统回顾和元分析

JMIR Mhealth Uhealth 2019;7(4):e11819

31042 147 99

加载文章

Baidu
map