Double-duty caregivers enduring COVID-19 pandemic to endemic: “It’s just wearing me down”
Notice bibliographique
Résumé
The COVID-19 pandemic has considerably strained health care providers and family caregivers. Double-duty caregivers give unpaid care at home and are employed as care providers. This sequential mixed-method study, a survey followed by qualitative interviews, aimed to comprehensively understand the experiences of these Canadian double-duty caregivers amidst the pandemic and the transition to the endemic phase. The multi-section survey included standardized assessments such as the Double-duty Caregiver Scale and the State Anxiety Scale, along with demographic, employment-related, and care work questions. Data analysis employed descriptive and linear regression modeling statistics, and content analysis of the qualitative data. Out of the 415 respondents, the majority were female (92.5%) and married (77.3%), with 54.9% aged 35 to 54 years and 29.2% 55 to 64 years. 68.9% reported mental health decline over the past year, while 60.7% noted physical health deteriorated. 75.9% of participants self-rated their anxiety as moderate to high. The final regression model explained 36.8% of the variance in participants' anxiety levels. Factors contributing to lower anxiety included more personal supports, awareness of limits, younger age, and fewer weekly employment hours. Increased anxiety was linked to poorer self-rated health, and both perceptions and consequences of blurred boundaries. The eighteen interviewees highlighted the stress of managing additional work and home care during the pandemic. They highlighted the difficulty navigating systems and coordinating care. Double-duty caregivers form a significant portion of the healthcare workforce. Despite the spotlight on care and caregiving during the COVID-19 pandemic, the vital contributions and well-being of double-duty caregivers and family caregivers have remained unnoticed. Prioritizing their welfare is crucial for health systems as they make up the largest care workforce, particularly evident during the ongoing healthcare workforce shortage.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».