Multiple sclerosis caregiving: A systematic scoping review to map current state of knowledge
Notice bibliographique
Résumé
Unpaid caregivers, typically family and friends, provide significant amounts of support to people with multiple sclerosis (MS). Understanding their experiences, needs and challenges is necessary to ensure that caregivers receive the support that they require to continue in their role. Our aim was to map the current state of knowledge about unpaid caregivers of people with MS and identify gaps in knowledge to guide future research and practice. We used scoping review methodology with three major health-related databases (MEDLINE, CINAHL, APA Psychinfo), searching in September 2019, April and October 2020 and October 2021. We selected peer-reviewed scientific articles reporting on primary studies of unpaid caregivers of people with MS, regardless of topic or research design. We extracted information on study aim, participant characteristics, measures used and key findings to generate major themes and identify knowledge gaps. We identified 108 published studies between 1992 and 2021 that met our criteria. Studies of spousal caregivers were most common. Studies focused primarily on measurement of caregiver burden or other negative consequences of caregiving. Thirteen studies addressed positive consequences of caregiving. Sixteen studies reported actual tasks performed by caregivers and seven reported outcomes of caregiver support interventions. Attention to diversity issues that may influence caregiving experiences and outcomes was rare. Overall, knowledge of MS caregiving is limited, particularly with respect to tasks performed by caregivers that may contribute to negative outcomes, diversity issues and effective approaches to remediate caregiver burden. Without this knowledge, finding ways to better support MS caregivers will be difficult.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».