MétaCan
Menu
Retour à la cohorte
Enregistrement W4391035038 · doi:10.46814/lajdv6n1-006

The nurse in assessing the burden of elderly caregivers

2024· article· pt· W4391035038 sur OpenAlexaff
Bianca Pereira Fernandes Silva, Igor dos Santos Santana

Notice bibliographique

RevueLatin American Journal of Development · 2024
Typearticle
Languept
DomaineComputer Science
ThématiqueHealthcare during COVID-19 Pandemic
Établissements canadiensMonsanto (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt

Résumé

récupéré en direct d'OpenAlex

The present study focuses on assessing the physical and emotional burden experienced by caregivers of elderly individuals. Its objectives were to evaluate caregiver burden using the Zarit Burden Interview (ZBI) and to plan nursing care strategies aimed at supporting elderly caregivers. This is a quantitative, descriptive, and exploratory study conducted in a reference institution for the treatment of elderly patients with some form of dementia, located in the city of Volta Redonda, Brazil. Inclusion criteria comprised informal caregivers, whereas formal caregivers were excluded from the study. Data analysis was performed according to the Evidence-Based Nursing Practice framework. The results showed that 53% of respondents reported never feeling burdened when caring for the elderly, 18% sometimes, 13% always, 11% frequently, and only 5% rarely. During interviews, caregivers expressed how caregiving affected their social lives: in 50% of cases, caregivers reported no social impact; however, when combining the other categories (sometimes, frequently, always), the remaining 50% indicated some level of social restriction, such as refraining from meeting friends, participating in family gatherings, or traveling. Therefore, nursing interventions should be implemented in a humanized manner to make the coexistence with elderly individuals more pleasant and less stressful. It is concluded that nurses can play a significant role in minimizing the physical and emotional burden of caregivers, thereby improving their overall quality of life.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,330
Écart entre enseignants0,309 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLatin American Journal of DevelopmentMême sujetHealthcare during COVID-19 PandemicTravaux en français237 207