Understanding the caring capacity of informal networks of frail seniors: a case for care networks
Notice bibliographique
Résumé
Population ageing and constraints on public sector spending for older people with long-term health problems have led policy makers to turn to the social networks of older people, or the ‘informal sector’, as a source of long-term care. An important question arising from this policy shift is whether these social networks have the resources to sustain the high levels of care that can be required by older people with chronic health problems. In the face of both dire warnings about the imminent demise of the informal sector, and concurrent expectations that it will be the pillar of community long-term care, it is timely to undertake a critical analysis of the caring capacity of older people's social networks. In this paper we argue that the best way to understand the caring capacity of informal networks of frail older people is to establish their membership and caring capacity. It is useful to make conceptual distinctions between ‘social’, ‘support’, and ‘care-giving’ networks. We argue that transitions of networks from social through support to care roles are likely to show systematic patterns, and that at each transition the networks tend to contract as the more narrowly defined functions prevail. A focus on ‘care networks’, rather than the more usual ‘care dyads’, will move forward our understanding of the caring capacity of the informal sector, and also our ability to forge sound social and health policies to support those who provide care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,047 |
| Communication savante | 0,009 | 0,021 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».