Decision Regret among Informal Caregivers Making Housing Decisions for Older Adults with Cognitive Impairment: A Cross-sectional Analysis
Notice bibliographique
Résumé
Background. Informal caregivers are regularly faced with difficult housing decisions for older adults with cognitive impairment. They often regret the decision they made. We aimed to identify factors associated with decision regret among informal caregivers engaging in housing decisions for cognitively impaired older adults. Methods. We performed a secondary analysis of cross-sectional data collected from a cluster-randomized trial. Eligible participants were informal caregivers involved in making housing decisions for cognitively impaired older adults. Decision regret was assessed after caregivers’ enrollment in the study using the Decision Regret Scale (DRS), scored from 0 to 100. We used a conceptual framework of potential predictors of regret to identify independent variables. We performed multilevel analyses using a mixed linear model by estimating fixed effects (β) and 95% confidence intervals (CIs). Results. The mean (SD) DRS score of 296 informal caregivers (mean [SD] age, 62 [12] years) was 12.4 (18.4). Factors associated with less decision regret were having a college degree compared to primary education (β [95% CI]: –11.14 [–18.36, –3.92]), being married compared to being single (–5.60 [–10.05, –1.15]), informal caregivers’ perception that a joint process occurred (–0.14 [–0.25, –0.02]), and older adults’ not having a specific housing preference compared to preferring to stay at home (–4.13 [–7.40, –0.86]). Factors associated with more decision regret were being retired compared to being a homemaker (7.74 [1.32, 14.16]), higher burden of care (0.14 [0.05, 0.22]), and higher decisional conflict (0.51 [0.34, 0.67]). Limitations. Our analysis may not illustrate all predictors of decision regret among informal caregivers. Conclusions. Our findings will allow risk-mitigation strategies for informal caregivers at risk of experiencing regret.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».