Positive aspects of caregiving: rounding out the caregiver experience
Notice bibliographique
Résumé
OBJECTIVES: To identify positive aspects of caregiving and examine how they are associated with caregiver outcomes. METHOD: This study used a national sample of caregivers derived from the Canadian Study of Health and Aging (part 2). Two hundred and eighty-nine caregivers caring for seniors living in the community were questioned about their experience of caregiving. Caregivers were asked whether they could identify any positive aspects related to their role, the type of positive aspects and to rate their feelings about caring. Using a conceptual model developed by Noonan and Tennstedt (1997), a staged stepwise multiple regression approach was used factoring the background/contextual variables, stressor variables (3 MS score, ADL limitations), mediator variables (positive aspects of caregiving, number of services used) and outcome variables (depression, burden and self-assessed health measures) into the model. RESULTS: Two hundred and eleven caregivers (73%) could identify at least one specific positive aspect of caregiving. An additional 20 (6.9%) could identify more than one positive aspect. Positive feelings about caring were associated with lower CES-D scores ( p<0.001), lower burden scores ( p<0.001) and better self assessed health ( p<0.001). CONCLUSION: Clinicians should inquire about the positive aspects of caregiving if they are to fully comprehend the caregiver experience and identify risk factors for negative caregiver outcomes.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».