Abstract WP298: Patient and Caregiver Physical Health During the First Year Post-stroke
Notice bibliographique
Résumé
Background: Patients and their family caregivers collaborate to optimize patients’ recovery post-stroke. The literature suggests that stroke can negatively affect patient physical health and providing care can negatively affect caregiver wellbeing. We do not know how patient and caregiver health are linked. Therefore, the objective of this research was to examine the influence of patient, caregiver, and caregiving factors on patient and caregiver physical health. Method: Secondary analysis of a longitudinal cohort study of survivors of their first stroke and their family caregivers (n=399 dyads). Participants completed standardized surveys 1, 3, 6, and 12-months post stroke. Patient data included demographic information, Canadian Neurological Scale, stroke type, stroke location, and the Mini Mental Status Exam. Caregivers provided demographic information and completed the Caregiver Assistance Scale, Mastery Scale, Brain Impairment Behaviour Inventory-revised, and Centre for Epidemiological Studies Depression Scale. Patients and caregivers completed the SF-36 and the physical component score was used in the analyses. Hierarchical Linear Modelling was used to test full regression models using the longitudinal data. Results: Patients’ physical health was better when they were younger, had a milder stroke, fewer symptoms of depression, better cognitive health, and their caregiver had fewer symptoms of depression, provided less assistance, were female, and their spouse. Caregivers’ physical health was better when the stroke survivor had fewer memory problems, and caregivers had fewer symptoms of depression, were younger, and were male. Conclusions: Patient and caregiver factors were associated with each other’s physical health during the first year post-stroke. Caregiver depression symptoms were associated with poor physical health in both the patient and the caregiver. This suggests programs to address caregivers experience of depression may benefit both patients and caregivers physical 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».