Contribution of neuropsychiatric symptoms in Parkinson’s disease to different domains of caregiver burden
Notice bibliographique
Résumé
INTRODUCTION: Caregiver burden is high among caregivers of PD patients (CPD). Neuropsychiatric symptoms are leading contributors to CPD burden, but whether different symptoms differentially impact domains of caregiver burden is not known. Our objective was to examine which neuropsychiatric symptoms and demographic factors contribute to different domains of caregiver burden in PD. METHODS: This was a cross-sectional online survey study. Participants were recruited from the Fox Insight (FI) study and were eligible if they identified themselves as a CPD. The primary outcome was the Caregiver Burden Inventory (CBI) total score and its 5 sub-domain scores. The Neuropsychiatric Inventory Questionnaire (NPI-Q) assessed caregiver-reported neuropsychiatric symptoms in the care recipient. Multivariable linear regression models were used to characterize the associations between NPI-Q symptom severity scores and CBI scores. Covariates were caregiver age, sex, education, and caregiving duration. RESULTS: = 39.2%. Anxiety severity had the largest effect size [standardized β (sβ) = 0.224] on the time-dependency domain, which was also associated with female sex (sβ = - 0.133) and age (sβ = 0.088). Severity of disinhibition (sβ = 0.218), agitation (sβ = 0.199), and female sex (sβ = 0.104) were associated with greater emotional burden. CONCLUSION: Our findings indicate that demographic characteristics and specific neuropsychiatric symptoms contribute differentially to domains of caregiver burden. Tailored interventions to support CPD are needed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».