MétaCan
Menu
Retour à la cohorte
Enregistrement W3175075345 · doi:10.22605/rrh6497

Psychosocial predictors of adverse outcomes in rural heart failure caregivers

2021· article· en· W3175075345 sur OpenAlexaboutno aff
Joan S. Grant, Lucinda J. Graven, Glenna Schluck, Laurie Abbott

Notice bibliographique

RevueRural and Remote Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychosocialHeart failureMedicineAdverse effectGerontologyPsychologyNursingPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Depressive symptoms, negative life changes, poor self-care, and higher caregiver burden are common in caregivers who assist individuals with heart failure (HF) in managing daily activities and disease-related symptoms. Previous research findings suggest social support, problem solving, and family function may influence these outcomes. However, the influence of these factors on outcomes in rural HF caregivers is unknown. The purpose of this study is twofold: (1) to examine whether social support, problem solving, and family function predicted depressive symptoms, caregiving-related life changes, self-care, and caregiver burden in rural HF caregivers; and (2) to compare differences in these variables between rural and urban caregivers. METHODS: Rural caregivers (n=114) completed an online researcher-developed sociodemographic and clinical survey and standardized (Likert-type) self-report instruments. Participants were recruited locally from south-eastern USA (using face-to-face and telephone contacts, posted flyers, newspaper advertisements, and social media), nationally (newspaper advertisements and social media sites) and internationally (using social media). Potential participants were directed to the study website to complete the online surveys. These methods recruited participants who lived in 24 states within the USA, as well as from Canada, England, Ireland, Scotland, and Wales. Demographic statistics and Mann-Whitney U-test, as well as bivariate correlations, multivariate linear modelling, and Roy's largest root, were used to analyse data, controlling for covariates. RESULTS: Rural (n=114) caregivers were primarily Caucasian (84.2%), women (58.8%), and 41.45 (&plusmn;9.013) years old. Social support had significant effects on depressive symptoms (&eta;p2=0.384, p<0.001), self-care (&eta;p2=0.108, p=0.001), and life changes (&eta;p2=0.055, p=0.016), while problem solving showed significant effects on depressive symptoms (&eta;p2= 0.078, p=0.004) and caregiver burden (&eta;p2=0.23, p<0.001). Family function had significant effects on life changes (&eta;p2=0.104, p=0.001), self-care (&eta;p2=0.088, p=0.002), and caregiver burden (&eta;p2=0.116, p<0.001). Compared to urban (n=412) participants, rural caregivers experienced significantly less social support (p=0.001), worse problem-solving skills (p=0.003) and family functioning (p=0.009), and greater depressive symptoms (p&le;0.01) and subjective burden (p=0.001). There were no significant differences in caregiver self-care (p=0.416) and perceived life changes (p=0.346) among rural and urban caregivers. CONCLUSION: Both social support and problem solving have significant effects on depressive symptoms in rural HF caregivers, while social support and family function influences self-care. Problem solving and family function also affect caregiver burden, while social support and family functioning influences caregiver life changes. Rural caregivers are often separated by long distances, and have transportation issues and limited access to healthcare providers and support services; therefore, innovative strategies are needed to explore the usefulness of these variables in improving caregiver outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,373

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,285
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRural and Remote HealthMême sujetHeart Failure Treatment and ManagementTravaux en français237 207