Predictors of strain for Canadian caregivers seeking service navigation for their youth with mental health and/or addictions issues
Notice bibliographique
Résumé
Caring for youth with mental health and/or addictions (MHA) concerns is associated with caregiver strain, which may lead to negative consequences for youth and their caregivers. These consequences may be mitigated by caregivers and/or youth receiving assistance in navigating the healthcare system. Understanding what factors are associated with caregiver strain may be important in developing and implementing navigation services for such families; nonetheless, limited evidence currently exists regarding the predictors of strain in caregivers seeking navigation support. This study aimed to determine whether (a) the mental health profile of youth and (b) the home and family situation for youth with MHA concerns contribute significantly to strain in caregivers engaged in navigation. Data were collected from 66 adults caring for at least one youth with MHA issues accessing navigation service in Toronto, Ontario, between March and August 2018. Multiple linear regressions were conducted to determine which factors were associated with caregiver strain. The first regression model exploring youth-specific independent variables (adjusted r2 = .478, F6,47 = 9.086, p < .001) demonstrated that lower levels of caregiver-rated youth health (β = −0.577, p = .001) and higher levels of youth mental health symptom severity (β = 0.077, p < .001) significantly predicted higher levels of strain. The second regression model (adjusted r2 = .348, F5,54 = 7.287, p < .001) showed that lower levels of family functioning (β = −0.089, p < .001) significantly predicted higher levels of strain. Higher levels of caregiver strain in caregivers of youth with MHA concerns who are accessing navigation services are associated with lower levels of caregiver-rated youth health, higher levels of youth mental health symptom severity, and lower levels of family functioning. These predictors may be potential targets for providers aiming to reduce caregiver strain, as part of navigation or other healthcare services.
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 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».