Determinants of Dyadic Relationship and Its Psychosocial Impact in Patients with Parkinson’s Disease and Their Spouses
Notice bibliographique
Résumé
The caregiver-care receiver relationship (mutuality) in Parkinson’s disease (PD) and its association with motor and non-motors symptoms, health-related quality of life (HRQoL), and caregiver burden have not fully been investigated. The aim of our study was to explore if (1) the level of mutuality perceived by PD-patients and PD-partners differs, (2) different factors are associated with perceived mutuality by PD-patients and PD-partners, and (3) mutuality is associated with PD-patients health-related quality of life (HRQoL) and caregiver burden. We collected data on motor signs (UPDRS III), non-motor manifestations (NMSQuest), PD-patients’ cognition (IQCODE), mutuality scale (MS), PD-patients’ HRQoL (PDQ8), and caregiver burden (CB) from 51 PD dyads. Predictors were identified using multivariate regression analyses. Overall, the dyads rated their own mutuality as high with no significant difference between the dyads except for the dimension of reciprocity. PD-patients’ MS score (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>p</mml:mi><mml:mo>=</mml:mo><mml:mo>.</mml:mo><mml:mn fontstyle="italic">001</mml:mn></mml:math>) and NMSQuest (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mrow><mml:mi>p</mml:mi></mml:mrow></mml:math>≤ .001) were significant predictors of PDQ8. Strongest predictor of CB was PD-partners’ MS score (<.001) and IQCODE (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><mml:mi>p</mml:mi><mml:mo>=</mml:mo><mml:mo>.</mml:mo><mml:mn fontstyle="italic">050</mml:mn></mml:math>). In general, it seems that non-motor symptoms contribute to a larger extent to the mutual relationship in PD-affected dyads than motor disabilities.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».