Psychosocial predictors of mobility assistive devices non-adherence among older adults
Notice bibliographique
Résumé
Background Mobility assistive devices (MADs) provide support to older adults to improve their quality of life; however, research shows that as many as 75% of older adults are non-adherent to prescribed MADs. This study investigated the psychosocial factors that predict non-adherence to MADs among older adults.Methods A sample of Canadian older adult MADs users who resided in a long-term care facility was included. The data was collected using the Psychosocial Impact of Assistive Devices Scale (PIADS), and the Medical Outcomes Study Social Support Survey (mMOS-SS). Data analysis was performed using SPSS 28. Descriptive statistics were used to describe the sample and the study variables. Pearson correlation coefficients were used to evaluate the association between the study variables. Variables that were associated with non-adherence in a univariate analysis were subsequently entered into a multiple regression analysis. Results: The sample comprised 48 residents (26 females and 22 males), with a mean age of 86.8. In the univariate analysis, scores from the three PIADS subscales, namely, Competence, Adaptability, and Self-esteem, and the Social Support scale were significantly correlated with non-adherence (p < 0.05). In the multiple regression analyses, only Self-esteem significantly predicted non-adherence (p < 0.05), and this model explained between 43.5 and 54.3% of the variance in non-adherence.Conclusion This study revealed that the Self-esteem construct, which includes several concepts related to psychological well-being, was the only significant predictor of non-adherence among the studied sample of older adults. The clinical implications of the findings are subsequently discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».