MétaCan
Menu
Retour à la cohorte
Enregistrement W4313678773 · doi:10.1177/11786329221144889

The Financial Risks of Unpaid Caregiving During the COVID-19 Pandemic: Results From a Self-reported Survey in a Canadian Jurisdiction

2023· article· en· W4313678773 sur OpenAlexaffabout
Husayn Marani, Sara Allin, Sandra McKay, Gregory P. Marchildon

Notice bibliographique

RevueHealth Services Insights · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPandemicBusinessJurisdictionWelfareGovernment (linguistics)Health careDemographic economicsStressorMental healthCoronavirus disease 2019 (COVID-19)PsychologyMedicinePolitical scienceEconomic growthEconomicsPsychiatry

Résumé

récupéré en direct d'OpenAlex

As health service delivery shifts from institutions to the home, greater care responsibilities are being imposed on unpaid caregivers. However, gaps remain concerning how these responsibilities are contributing to caregivers’ financial risk. This study describes results from an online survey conducted in late-2020 in Ontario, Canada, about the financial risks of unpaid, homebased caregiving throughout the first year of the COVID-19 pandemic. Among 190 caregivers, salient findings include difficulties paying for care expenses after the pandemic was declared than before ( P = .002); more caregivers retiring or becoming unemployed during the pandemic than before ( P = .013); and a significant relationship between paying out-of-pocket for a home care worker and experiencing a decrease in the availability of such support during the pandemic ( P = .029). Overall, the financial stressors of caregiving during the pandemic contributed negatively to caregivers’ mental health, with 64.2% noting could be partly offset by greater government and employment-based assistance in managing care expenses and productivity losses. Findings from this study will better inform policies that aim to protect unpaid caregivers from financial risk in pandemic recovery efforts and beyond. Results may also be useful in other welfare states where unpaid caregivers provide the majority of home care services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,305
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,129
Tête enseignante GPT0,425
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Services InsightsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207