<p>Assessing Knowledge and Perceptions of Alzheimer’s Disease Among Employees of a Pharmaceutical Company in Spain: A Comparison Between Caregivers and Non-Caregivers</p>
Notice bibliographique
Résumé
BACKGROUND: Raising knowledge about Alzheimer's disease (AD) may help in identifying the disorder, seeking earlier appropriate healthcare, and decreasing its stigma. The aim of this study was to determine the knowledge and perceptions towards people with AD among employees of a pharmaceutical company in Spain. METHODS: A non-interventional, cross-sectional study was conducted among 447 employees. Participants answered demographic questions and completed the Alzheimer's Disease Knowledge Scale (ADKS). Caregivers also answered questions related to their personal experience with patients with AD and completed the Satisfaction with Life Scale (SWLS), the Revised Memory and Behavior Problems Checklist (RMBPC), and the Beck Depression Inventory-Fast Screen (BDI-FS). RESULTS: Participants were mostly between 30 and 50 years old (63%), female (65.3%), and had bachelor or master degrees (82.7%). Forty-two (9.4%) of participants were caregivers, mainly of moderate to severe dementia subjects. Overall knowledge about AD was moderate (mean ADKS score = 21.2 ± 2.8 [70.6% of correct answers]). Risk factors and caregiving were the domains with lowest scores (correct answers: 58.58% and 63%, respectively). Mean total ADKS score was significantly higher in participants caring for people with AD compared with non-caregivers (22.1 ± 2.9 and 21.0 ± 2.8; p=0.02, respectively). There was no statistically significant association between total ADKS score and age, sex, educational level, or relative's AD severity. Most caregivers were satisfied with life (mean SWLS score = 26.8 ± 5.6) showing a low impact from behavioral problems (mean RMBPC reaction score = 26.81 ± 20.2). Six of them (14.3%) were scored as depressed. CONCLUSION: There is a continuing need to improve understanding of AD to fill the gaps in knowledge of the disease, even in a population working in healthcare sector with a high educational level.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».