A Telehealth Approach to Caregiver Self-Management Following Traumatic Brain Injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine whether a telephone-based, individualized education and mentored problem-solving intervention would improve outcomes for caregivers of persons with traumatic brain injury (TBI). DESIGN: Parallel group, randomized controlled trial with blinded outcome assessment. SETTING: General community. PARTICIPANTS: A total of 153 caregivers (mean age = 49.7 years; 82% female; 54% spouses/partners, 35% parents) of persons with moderate to severe TBI who received acute and/or rehabilitation care at a level I trauma center. Eighty-two percent of participants were evaluated at 6-month follow-up. INTERVENTION: Individualized education and mentored problem-solving intervention focused on caregivers' primary concerns delivered via up to 10 telephone calls at 2-week intervals. MAIN OUTCOME MEASURES: Composite of Bakas Caregiving Outcomes Scale (BCOS) and Brief Symptom Inventory (BSI-18) at 6 months post-TBI survivor discharge. Secondary measures included the Brief COPE. RESULTS: Caregivers in the treatment arm scored higher on the BCOS-BSI composite (P = .032), with more active coping (P = .020) and less emotional venting (P = .028) as measured by the Brief COPE. CONCLUSIONS: An individualized education and mentored problem-solving approach delivered via telephone in the first few months following community discharge of the TBI survivor resulted in better caregiver outcomes than usual care. Consideration should be given to using this approach to augment the limited support typically offered to caregivers.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle