Does Blaming the Patient With Lung Cancer Affect the Helping Behavior of Primary Caregivers?
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: To examine whether primary caregivers' helping behaviors are predicted by their illness attribution reactions as proposed in Weiner's model. DESIGN: Latent-variable structural equation modeling. SETTING: Five oncology outpatient settings in central Canada. SAMPLE: 100 dyads consisting of patients with lung cancer and their primary caregivers. METHODS: Self-report questionnaires, abstracted medical record data, confirmatory factor analysis, and structural equation modeling. MAIN RESEARCH VARIABLES: Smoking history, judgments of responsibility for controlling the disease, anger, pride, and helping behaviors. FINDINGS: An interrelation was seen between judgments of responsibility toward patients to control aspects of the disease, affective reactions of anger and pride, and helping behavior. Anger and pride had a stronger influence on helping behavior than smoking history did. CONCLUSIONS: Judgments of responsibility for controlling lung cancer and anger toward patients put caregivers at risk for dysfunctional helping behavior, particularly if patients had a history of tobacco use. IMPLICATIONS FOR NURSING: Primary caregivers' affective states directly affect their helping behavior toward patients with lung cancer. Clinicians should be aware that caregivers who perceive the patient to be largely responsible for managing the disease also may be angry toward that patient. Angry caregivers are at risk of providing suboptimal helping behavior.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».