Exploring Pathways to Caregiver Health: The Roles of Caregiver Burden, Familism, and Ethnicity
Notice bibliographique
Résumé
Objectives This study examines the associations of ethnicity, caregiver burden, familism, and physical and mental health among Mexican Americans (MAs) and non-Hispanic Whites (NHWs). Methods We recruited adults 65+ years with possible cognitive impairment (using the Montreal Cognitive Assessment score<26), and their caregivers living in Nueces County, Texas. We used weighted path analysis to test effects of ethnicity, familism, and caregiver burden on caregiver’s mental and physical health. Results 516 caregivers and care-receivers participated. MA caregivers were younger, more likely female, and less educated compared to NHWs. Increased caregiver burden was associated with worse mental (B = −0.53; p < .001) and physical health (B = −0.15; p = .002). Familism was associated with lower burden (B = −0.14; p = .001). MA caregivers had stronger familism scores (B = 0.49; p < .001). Discussion Increased burden is associated with worse caregiver mental and physical health. MA caregivers had stronger familism resulting in better health. Findings can contribute to early identification, intervention, and coordination of services to help reduce caregiver burden.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».