Modeling the Distress of Spousal Caregivers of People with Dementia
Notice bibliographique
Résumé
BACKGROUND: The progressive mobilization of spouse caregivers who take care of a person with dementia (PWD) can lead to situations of distress. OBJECTIVE: The current study sought to investigate the influence of the characteristics of the caregiving context on spousal caregiver distress. METHODS: 125 spousal caregivers participated in this study. The characteristics of the caregiving context were assessed using questionnaires. We examined a moderated-mediator model (Step 1) in which we hypothesized that PWD and caregiver characteristics and dyadic determinants contribute to spousal caregiver distress. This model was compared based on the age at onset of the disease and the gender of the caregiver (Step 2). RESULTS: The model revealed that poor self-rated health and a lack of family support accentuated spousal caregiver distress, whereas the feeling of being prepared and level of confidence decreased spousal caregiver distress. Moreover, the quality of couple adjustment affected spousal caregiver distress, and this effect was mediated by the severity of the PWD's symptoms. Regarding the age at onset of the disease, the path between Couple Adjustment and the Care recipient's impairments was more important for caregivers of person with early-onset dementia (PEOD). Female caregivers who reported poor self-rated health experienced greater distress. CONCLUSIONS: It would be interesting to create a support program that would incorporate these three areas of intervention regarding the progression of the disease: first, "preparedness modules"; second, "dyadic modules" (especially for caregivers of PEOD); and third, "family modules". Specific attention should be given to female caregivers who report poor self-rated health.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».