Moderate burden amongst caregivers posthip arthroscopy linked to younger caregiver age and task load: A cross‐sectional survey study
Notice bibliographique
Résumé
PURPOSE: To evaluate the burden experienced by primary informal caregivers of patients who have undergone hip arthroscopy and to identify factors that predict increased caregiver burden. METHODS: A cross-sectional study was conducted at a single academic hospital centre, enroling caregivers of patients who underwent hip arthroscopy between November 2018 and November 2023. Caregiver burden was assessed using the Caregiver Burden Inventory (CBI) survey. Multivariable linear regression models were used to identify predictors of caregiver burden, with the global CBI score serving as the primary outcome measure. Secondarily, open-ended survey questions were analyzed qualitatively to elucidate specific challenges and facilitators of caregiving, as reported by the caregivers themselves. RESULTS: The study involved 99 eligible caregivers (mean [standard deviation] age; 47 [11] years), 58% were female, and 85% were relatives of the patient. The median global CBI score was 13.0 (interquartile range: 8.0-22.4), indicating a moderate burden. Regression analyses demonstrated that younger caregiver age and a higher number of caregiving tasks were significant predictors of increased global burden. Additionally, nonweightbearing status of patients, female gender of caregivers and working full-time statistically significantly increased specific dimensions of caregiver burden. CONCLUSION: This study highlights the meaningful burden faced by caregivers of patients undergoing hip arthroscopy, despite its minimally invasive nature and outpatient setting. Identified risk factors such as younger caregiver age, female gender of the caregiver, nonweight-bearing status and increased caregiving tasks suggest targeted areas for intervention. The qualitative analysis revealed that caregivers struggle with time management and physical and emotional strain, yet better communication and practical support from healthcare teams could help to alleviate these challenges. LEVEL OF EVIDENCE: Level IV, prognostic study.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».