Using Exploratory Structural Equation Modeling to Examine Caregiver Distress and Its Contributors
Notice bibliographique
Résumé
OBJECTIVES: To develop and test the direct and indirect associations between caregiver distress and its many contributing factors and covariates. DESIGN: Analysis using data from a national, cross-sectional survey of Canadian caregivers. SETTING AND PARTICIPANTS: A total of 6502 respondents of the 2012 General Social Survey-Caregiving and Care-receiving who self-identified as a caregiver. METHODS: We used exploratory structural equation modeling to achieve our aims. Based on literature review, we hypothesized a structural model of 5 caregiving factors that contribute to distress: caregiving burden, caregiving network and support, disruptions of family and social life, positive emotional experiences, and caregiving history. Survey items hypothesized to measure each latent factor were modeled using exploratory factor analysis (EFA). After establishing a well-fit EFA model, structural equation modeling was performed to examine the relationships between caregiving factors and caregiver distress while controlling for covariates such as caregiver's and care-recipient's sociodemographic characteristics and kinship. RESULTS: EFA established a well-fit model that represented caregiver distress and its 5 contributing factors as hypothesized. Although all 5 had significant effects on caregiver distress, disruptions of family and social life contributed the most (β = 0.462), almost 3 times that of caregiving burden (β = 0.162). Positive emotional experiences also substantially reduced distress (β = -0.310). CONCLUSIONS AND IMPLICATIONS: Understanding the multifaceted nature of caregiver distress is crucial for developing effective strategies to support caregivers. In addition to reducing caregiving burden, having flexible resources and policies to minimize disruptions to caregivers' families (eg, flexible work policies; family-oriented education, training, and counseling) and enhance the positive aspects of caregiving may more effectively reduce distress.
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 | 0,023 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».