Prevalence and predicting factors of caregiver burden in cirrhotic patients
Notice bibliographique
Résumé
Background: Cirrhosis is a major cause of morbidity and mortality. Caregivers of cirrhotic patients provide significant support related to disease manifestations and complications. This scoping review aims to identify the prevalence of caregiver burden among patients with cirrhosis and to identify patient and caregiver factors that predict caregiver burden in patients with cirrhosis. Methods: A literature search was conducted using MEDLINE, EMBASE, CINAHL, and Web of Science to identify studies for inclusion. Screening and data extraction were performed using Covidence systematic review software (Veritas Health Innovation, Melbourne, Australia). Results: 604 articles were identified, and 15 were included in the review. Caregivers were predominantly female and spouses of the patient. The average age of patients varied between 41.2 and 57.2 (SD 10.3 to 12.5). The most common cirrhotic aetiologies were alcohol-related, viral hepatitis-related, and metabolic-related aetiologies. The most used survey tools to assess burden were the Zarit Burden Interview (ZBI) score, Short Form-36 Health Survey (SF-36), and Beck Depression/Anxiety Inventory (BDI or BAI). Patient factors contributing toward caregiver burden included prior hepatic encephalopathy (HE), alcohol use, and high Model for End-Stage Liver Disease (MELD) scores. Caregiver factors that contribute toward caregiver burden included poor perceived social supports, low and disrupted income, and being the spouse of the patient. Conclusions: Several patient and caregiver factors contribute to caregiver burden, and greater levels of burden may affect multiple aspects of a caregiver's life, potentially worsening patient outcomes. A multidisciplinary approach is critical to alleviate caregiver burnout and optimize the overall care for a patient with cirrhosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».