Factors influencing how informal caregivers of people with multiple sclerosis access and use a curated intervention website: Analysis from an RCT
Notice bibliographique
Résumé
Objective Healthcare consumers and providers are increasingly turning to digital solutions, such as curated websites. Knowing who accesses/benefits from these may improve design and development. This study investigated website usage of informal caregivers of people with multiple sclerosis and shifts in outcome plausibly associated with usage. Methods Secondary analysis of data from a randomized clinical trial of 148 caregivers compared effectiveness of a website + tele-coaching to a website only intervention for caregivers. Groupwise differences in means/proportions were tested using t-tests and chi-square. Modified Poisson regression with a robust variance estimator and ordinal logistic regression tested the relationship between group and likelihood of website log-in. Ordinal logistic regression models examined whether caregiver characteristics were associated with website use. Generalized estimating equations (GEE) with an autoregressive correlation structure modeled the relationship between website usage and outcomes. Results Females were more likely to access the website than males (60% vs. 43%; p = 0.05). Though not statistically significant, a possible association (POR: .85, 95% CI: .69, 1.03) between caregiver burden and website access emerged; caregivers experiencing highest levels of burden appeared less likely to engage. Usage patterns differed by treatment arm: the website-only group accessed the Caring for yourself topic significantly more (61.67% vs. 38.33%: p = .04) with similar, but insignificant, trends for other topics. Conclusions Clinicians can be confident referring females with moderate levels of burden to website-based interventions. By contrast, male caregivers and those experiencing high levels of burden may be less likely to access these resources, pointing to the need for alternative interventions. Trial Registration Clinicaltrials.gov, registration number: NCT0466208.
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 | 0,052 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,002 | 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».