LIFE COURSE TRAJECTORIES OF FAMILY CARE
Notice bibliographique
Résumé
Objectives. This study identified lifetime patterns of caring trajectories among older Canadians. Most caregiving research often measures care as a point-in-time status while ignoring trajectories of care across the lifecourse, so we know little about persistence and timing of caregiving, or accumulation of associated risks. The few qualitative studies examining caring trajectories focus on the course of care recipients’ illnesses rather than caring pathways across caregivers’ lifecourses. Methods. Latent Class Analyses of a sub-sample from Canada’s nationally representative 2012 survey on Caregiving and Care Receiving (age 65+, n=3,259) identified caring trajectories based on patterns in the number, timing, duration, and overlap among care episodes. Multinomial regression identified sociodemographic factors explaining membership in care trajectory groups. Results. Five unique trajectories were identified: Later life onset (n=1,606; fewest episodes, latest onset, shortest duration, no overlap); Generational (n =869; more than one episode, late midlife onset, little overlap); Midlife Juggler (n=474; multiple episodes, early midlife onset, long duration, multiple overlaps); Serial (n=220; multiple episodes, early onset, moderate duration, little overlap); and Early onset career (n=120; multiple episodes, earliest onset, longest duration, multiple overlaps). Women were more likely to be Jugglers (p<.01) or Early onset carers (p<.01) than Later life onset carers. Discussion. For most, caregiving is a process of moving into/out of care episodes over the life course with considerable variability in the timing, number, and duration of these episodes which likely results in differential accumulation of impact over the life course.
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 | 0,001 |
| 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 ».