Acerca de Clinical App Report
Clinical App Report es una plataforma independiente de evaluación, clasificación y comparación clínica de aplicaciones de salud para consumidores. Fundada en mayo de 2026.
What we publish
- Informes — Informes clínicos clasificados sobre apps de salud por caso de uso — general, gratis, IA-asistida, macro-enfocada, gestión de peso, principiantes. Cada informe se puntúa sobre nuestro Marco de Evaluación Clínica de 100 puntos publicado. No aceptamos compensación de afiliados.
- Evaluaciones — Evaluaciones clínicas independientes de apps individuales. Cada informe desglosa la puntuación en siete criterios del marco y emite un Grado de Evidencia basado en la literatura de validación publicada. No aceptamos compensación de afiliados.
- Comparativas — Comparativas directas entre apps de salud, criterio por criterio con ganadores fila a fila y un veredicto anclado en el Grado de Evidencia. No aceptamos compensación de afiliados.
- Notas clínicas — Notas ancladas en evidencia sobre exactitud de la evaluación dietética, reconocimiento de alimentos por IA, estándares de validación y cómo elegir una app de salud. Cada nota cita fuentes revisadas por pares con DOI cuando las afirmaciones lo requieren.
Editorial board
Named editorial board members are responsible for every Clinical App Report evaluation. Reviews are authored by domain reviewers and independently fact-checked before publication.
-
Dr. Priya Anand , PhD
Methodology Lead
Methodology Lead. PhD biostatistician; designs CAR's scoring rubric weights, MAPE protocols, and inter-rater reliability checks.
-
Hannah Vasquez , MS
Consumer Health Editor
Consumer Health Editor. MS Health Journalism (Boston University); translates clinical evaluations for general consumer audiences and runs the corrections desk.
-
Joel Kingsley , RD, MS
Senior Reviewer
Senior Reviewer responsible for per-app evaluation against weighed reference meals. RD with MS in sports nutrition; published in mobile dietary assessment validation.
-
Martin Okafor , MS
AI Recognition Reviewer
AI Recognition Reviewer. MS Computer Vision (CMU); evaluates photo-AI pipelines and benchmarks recognition accuracy against weighed reference meals.
Corrections
We log substantive corrections with date and reason on the corrections page. The threshold for a logged correction: did the error affect a score, an Evidence Grade, a ranking, or a factual claim about an app? If yes, it's logged.
Contact
Email editors@clinicalappreport.com for editorial inquiries, corrections, partnership questions, or feedback. We respond to substantive correspondence within a few business days.