Impact of informal caregiving on older adults’ physical and mental health in low-income and middle-income countries: a cross-sectional, secondary analysis based on the WHO’s Study on global AGEing and adult health (SAGE)
Notice bibliographique
Résumé
OBJECTIVES: A high proportion of care stemming from chronic disease or disability in low-income and middle-income countries is provided by informal caregivers. The goal of this study was to determine the level of burden experienced by these caregivers, explore associated factors and assess whether caregivers' and non-caregivers' health differed. DESIGN AND SETTING: This cross-sectional study was a secondary analysis of data on caregivers' burden, health and health risk factors in Ghana, India and the Russian Federation collected as part of the WHO's Study on global AGEing and adult health (SAGE) Wave 1. PARTICIPANTS: Caregivers in Ghana (n=143), India (n=490) and Russia (n=270) completed the measures. OUTCOME MEASURES: Factors associated (ie, demographics and caregiving profile variables) with burden were explored among caregivers. Then, quality of life (QOL), perceived stress, depression, self-rated health (SRH) and health risk factors were compared between caregivers and matched non-caregivers (1:2). RESULTS: The largest caregiving subgroups were spouses and adult children. Caregivers mostly cared for one person and provided financial, social/emotional and/or physical support, but received little support themselves. Burden level ranged from 17.37 to 20.03. Variables associated with burden were mostly country-specific; however, some commonality for wealth, type of care and caregiving duration was noted. Caregivers with a moderate or high level of burden reported lower QOL and higher perceived stress than those experiencing low burden. Caregivers reported lower QOL and SRH than non-caregivers. CONCLUSION: Given the lack of support received and consequences of the burden endured by caregivers, policy and programme initiatives are needed to ensure that caregivers in low- and middle-income countries can fulfil their role without compromising their own 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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».