CAREGIVER STRAIN AMONG AFRICAN AMERICAN AND HISPANIC MALE CAREGIVERS WITH CHRONIC CONDITIONS
Notice bibliographique
Résumé
Abstract Caregiving strain often stems from caregivers’ unmet needs and is a risk factor for physical and psychological ill-health. This study aims to identify factors associated with caregiver strain among middle-aged and older African American and Hispanic male caregivers living with one or more chronic conditions. Data were collected from 431 male caregivers using a web-based survey (55% African American, 45% Hispanic). Linear regression models were fitted to assess factors associated with caregiver strain, which was measured using caregiving difficulty items from Behavioral Risk Factor Surveillance System. On average, participants were age 54.9(±9.51) years, they self-reported chronic conditions were 3.74(±2.62), and their caregiver strain was 14.7(±7.30). Among African American caregivers, higher caregiver strain was positively associated with living with children below age 18 (β=0.14, P=0.045) and feelings of social disconnectedness (β=0.16, P=0.018) and depression (β=0.15, P=0.035). Conversely, caregiver strain was negatively associated with having insurance coverage (β=-1.34, P=0.028) and disease self-management efficacy (β=-2.26, P=< 0.001. Among Hispanic caregivers, higher caregiver strain was negatively associated with age (β=-0.28, P=< 0.001) and positively associated with feelings of social disconnectedness (β=0.16, P=0.041). Findings suggest African American and Hispanic males with chronic conditions have differing caregiving experiences. Compared to Hispanic men, contributors to caregiving strain among African American men were multifaceted and associated with financial resources, household dynamics, mental health, and the ability to self-manage their chronic conditions. While bolstering social connectedness may offset caregiver strain, tailored mental health and disease-management programming are needed to meet the specific needs of African American and Hispanic male caregivers.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».