How does peer similarity influence adult children caregivers' perceptions of support from peers? A mixed-method study
Notice bibliographique
Résumé
ABSTRACT Due to the growing elderly population, adult children care-givers (ACCs) are increasingly providing complex care for one or both elderly parents. Social support from similar peers can mitigate care-giving-related health declines. To date, ‘peer similarity’ amongst care-givers has been predominantly investigated in the context of peer-matching interventions. However, because peer similarity is especially influential in ‘naturally occurring’ support networks, care-givers' everyday peer support engagement warrants further attention. Our goal was to explore care-givers' everyday peer support engagement and the influence of peer similarity on support perceptions. We employed a mixed-method design using Web-based surveys and in-depth qualitative interviews. The quantitative data were analysed using a hierarchical multiple while qualitative data were thematically analysed. Seventy-one ACCs completed the online questionnaire and 15 participated in a telephone interview. Peer similarity was positively and significantly associated with perceived support (β = 0.469, p < 0.0005) and explained 18.5 per cent of the additional variance. ACCs' narratives suggested the most important aspect of similarity was ‘shared care-giving experience’ as it optimised the support received from peers, and also enhanced the quality of the relationship. In conclusion, both data-sets underscored that peer similarity importantly influences support perceptions. The importance of ‘shared care-giving experience’ suggests that a more comprehensive understanding of this concept is needed to optimise peer-matching endeavours. Peer similarity's influence on relationship quality should also be explored.
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 | 0,001 | 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».