Family Caregiver Mental Health: Linking Family Care Regime, Intersectionality, and Stress Process Frameworks
Notice bibliographique
Résumé
Abstract Although the implications of family care regime, social location, and stress process factors for the mental health of family caregivers have been well-documented individually, there is a lack of research that integrates these factors. Yet, linking family care regime and intersectionality approaches to stress process theorizing provides us with one possible explanation of the mechanisms potentially linking family care regime and intersecting structural inequalities to mental health outcomes. This paper draws on pooled data from the 2012 and 2016 European Quality of Life Surveys (EQLS - N=6,007) to assess direct and indirect associations between family care regime and the self-reported mental health (SRMH) of family caregivers, together with the additive and interactive associations involving social location (gender, age, socio-economic status, and marital status), and stress process factors (stressors and resources). The results of a series of weighted least squares regression analyses reveal that family care regime has a direct association with SRMH and that social location and stress process factors partially mediate this association. Additionally, the results suggest that additive and interactive social location factors have direct associations with SRMH and that stress process factors also partially mediate the association. Lastly, stress process factors are associated with SRMH as expected. Overall, our findings provide initial support for the value of linking family care regime, intersectionality and stress process frameworks for an understanding of the mental health implications of family caregiving.
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 | 0,001 | 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 | 0,001 | 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 ».