Informal caregivers of people with heart failure and resilience: A convergent mixed methods study
Notice bibliographique
Résumé
AIM: To develop a comprehensive understanding of resilience and its associated factors among informal caregivers of people with heart failure. DESIGN: Transnational multicentre convergent mixed methods approach. METHODS: This study was conducted in three European countries: Italy, Spain and the Netherlands; during February 2017 and December 2018. In total, 195 caregivers completed the Connor-Davidson Resilience Scale, Caregiver Burden Inventory and Hospital Anxiety and Depression Scale. From a nested sample 50 caregivers participated in semi-structured face-to-face interviews. Data were analysed using qualitative content analysis, multiple regression and joint displays. RESULTS: The caregivers' mean age was over 60 years. The quantitative results showed that caregivers experienced anxiety and depression regardless of a good score of resilience and moderate level of burden. Regression analysis showed that the resilience was associated with caregiver depression. From qualitative findings three resilience inhibiting (psychological outlook, physical weariness and affective state) and two promoting factors (community interconnectedness and self-comforting activities) were generated. Mixed analysis confirmed that depression decreased caregivers' resilience. CONCLUSIONS: Caregivers of people with heart failure experience continuous stress and anxiety resulting in reduced resilience. Collaborative efforts are needed to build multifaceted interventions and programs to enhance caregivers' resilience by targeting the factors identified in this study. IMPACT: The quality of informal caregiving is affected by the resilience of caregivers. No research has explored the resilience levels and its factors in this population. Depression, psychological outlook, physical weariness and affective state are negative factors of caregivers' resilience. Personal strategies combined with social and community support and belongingness enhance caregivers' resilience. Community care organizations and hospitals could establish alliances to develop programs for enhancing caregivers' resilience.
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) | 0,000 | 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 ».