Predictors of Spiritual Well-Being in Family Caregivers for Individuals with Parkinson's Disease
Notice bibliographique
Résumé
Background: Parkinson's disease (PD) is a common neurodegenerative illness that causes disability through both motor and nonmotor symptoms. Family caregivers provide substantial care to persons living with PD, often at great personal cost. While spiritual well-being and spirituality have been suggested to promote resiliency in caregivers of persons living with cancer and dementia, this issue has not been explored in PD. Objective: The aim of this study was to identify predictors of spiritual well-being in PD patients' caregivers. Design: A cross-sectional analysis was performed. Our primary outcome measure, the Functional Assessment of Chronic Illness Therapy—Spiritual Well-Being (FACIT-Sp), was measured in caregivers alongside measures of patient quality of life, symptom burden, global function, grief, and spiritual well-being and caregiver mood, burden, and perceptions of patient quality of life. Univariate correlation and multiple regression were used to determine associations between predictor variables and caregiver FACIT-Sp. Setting/Subjects: PD patient/caregiver dyads were recruited through three academic medical centers in the United States and Canada and regional community support groups. Results: We recruited 183 dyads. Patient faith, symptom burden, health-related quality of life, depression, motor function, and grief were significant predictors of caregiver spiritual well-being. Predictive caregiver factors included caregiver depression and anxiety. These factors remained significant in combined models, suggesting that both patient and caregiver factors make independent contributions to caregiver spiritual well-being. Conclusions: The present study suggests that both patient and caregiver factors are associated with spiritual well-being in PD. Further study is needed to understand the causal relationship of these factors and whether interventions to support caregiver spiritual well-being improve outcomes for caregivers or patients. Clinicaltrials.gov registration NCT02533921.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».