MétaCan
Menu
Retour à la cohorte
Enregistrement W3207793656 · doi:10.3390/diseases9040070

Neglected Needs of Family Caregivers during the COVID-19 Pandemic and What They Need Now: A Qualitative Study

2021· article· en· W3207793656 sur OpenAlexaff
Jasneet Parmar, Sharon Anderson, Bonnie Dobbs, Peter George Jaminal Tian, Lesley Charles, Jean Triscott, Jennifer Stickney-Lee, Suzette Brémault‐Phillips, Sandy Sereda, Lisa Poole

Notice bibliographique

RevueDiseases · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensUniversity of AlbertaToronto Dementia Research AllianceAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésPandemicFamily caregiversQualitative researchCoronavirus disease 2019 (COVID-19)NursingPsychologyHealth careMedicineGerontologySociologyPolitical scienceDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

COVID-19 has had a negative impact on family caregivers, whether the care receivers lived with the caregiver, in a separate community home, in supportive living, or in long-term care. This qualitative study examines the points of view of family caregivers who care in diverse settings. Family caregivers were asked to describe what could have been done to support them during the COVID-19 pandemic and to suggest supports they need in the future as the pandemic wanes. Thorne's interpretive qualitative methodology was employed to examine current caregiver concerns. Thirty-two family caregivers participated. Family caregivers thought the under-resourced, continuing care system delayed pandemic planning, and that silos in health and community systems made caregiving more difficult. Family caregivers want their roles to be recognized in policy, and they cite the need for improvements in communication and navigation. The growth in demand for family caregivers and their contributions to the healthcare system make it critical that the family caregiver role be recognized in policy, funding, and practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,008
Communication savante0,0030,005
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,125
Tête enseignante GPT0,431
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations52
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiseasesMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207