MétaCan
Menu
Retour à la cohorte
Enregistrement W2050243583 · doi:10.2190/ag.69.3.d

Caregivers—Who Copes How?

2009· article· en· W2050243583 sur OpenAlexaff
Neena L. Chappell, Carren Dujela

Notice bibliographique

RevueThe International Journal of Aging and Human Development · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, psychology, and well-being
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)NeuroticismPsychologySocial supportPersonalityClinical psychologyDevelopmental psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Within gerontological caregiving research, there is a major emphasis on stresses and burdens of this role. Yet there has been little attention directed toward the coping strategies that caregivers engage in to cope with this role and the factors that influence their adoption of different coping strategies. This article examines coping strategies and change in coping strategy over a 1-year period. In particular the differential importance of caregiver capacity (such as social support, health, and personality) compared with careload (such as hours of caregiving and need of the care recipient) is examined within a path model. Data came from a purposive sample of caregivers experiencing heavy demands. Overall, problem-focused coping is used more often than emotion-focused coping (either positive or negative) or seeking social support, but caregivers use all types simultaneously. Caregiver capacity, specifically neuroticism, is the strongest predictor of problem-focused coping with those high in neuroticism less likely to use this strategy. High neuroticism also predicts less use overall and negative emotion-focused coping strategies. Few significant predictors emerge of change; those that did were caregiver capacity, not careload variables. The use of all coping strategies, except seeking social support which remained stable, decreased over a 1-year period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,416
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Aging and Human DevelopmentMême sujetHealth, psychology, and well-beingTravaux en français237 207