MétaCan
Menu
Retour à la cohorte
Enregistrement W2261621605 · doi:10.1080/01490400.2015.1038373

Use of Leisure Facilities and Wellbeing of Adult Caregivers

2015· article· en· W2261621605 sur OpenAlexaffabout
Emily Schryer, Steven E. Mock, Margo Hilbrecht, Donna S. Lero, Bryan Smale

Notice bibliographique

RevueLeisure Sciences · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésIntrapersonal communicationModerationPsychologyInterpersonal communicationGerontologyLeisure activitySocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The current research examines leisure facility use as a moderator of the negative association of caregiving demands with wellbeing among informal caregivers. In accordance with the leisure constraints model, the study also explores the role of intrapersonal, interpersonal, and structural factors that may constrain or facilitate caregivers' use of leisure infrastructure. Data were collected as part of a survey conducted by the Canadian Index of Wellbeing in three communities. Results showed that greater use of leisure facilities buffered the association of greater hours of care with lower levels of mental and physical wellbeing for informal caregivers. Attitudes toward leisure, sense of community, and facility accessibility all positively predicted caregivers' use of leisure facilities. The results suggest that leisure infrastructure plays an important role in supporting wellbeing among caregivers and identify three types of constraints to consider when supporting caregivers' use of leisure facilities in their communities.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,768

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 technologies0,0000,001
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 Opus0,075
Tête enseignante GPT0,312
Écart entre enseignants0,236 · 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

Citations22
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLeisure SciencesMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207