Perceived technology usefulness for caregiving among unpaid caregivers: a National Cross-Sectional Study
Notice bibliographique
Résumé
Background Technological advancements have the potential to improve caregiving quality and alleviate caregiver burden by providing tools for real-time communication, monitoring, and care coordination. To assist with technology adoption among the 53 million unpaid caregivers nationwide, efforts are needed to better understand caregivers’ perceptions about the usefulness of certain technologies for caregiving. Methods Data were analyzed from a national sample of 483 unpaid caregivers using an internet-delivered questionnaire. All unpaid caregivers were eligible if they provided at least 8 h of weekly care for a care recipient aged 50 years or older. The primary dependent variable was the Perceived Technology Usefulness for Caregiving (PTUC) Scale, which is a composite score of six items ranging from 0 to 100. PTUC item responses were summed and averaged, and the overall PTUC scores were transformed into statistical tertiles (higher scores indicating more perceived technology usefulness for caregiving). An ordinal regression model was fitted to identify factors associated with higher PTUC tertiles. Results Across tertiles, unpaid caregivers who were younger (Beta = −0.018, p = 0.030) and male (Beta = 0.422, p = 0.048) reported higher PTUC Scale scores. Compared to non-Hispanic white caregivers, Hispanic/Latino (Beta = 0.779, p = 0.010), African American (Beta = 1.064, p < 0.001), and Asian (Beta = 0.958, p = 0.010) caregivers reported higher PTUC Scale scores. Unpaid caregivers with lower financial insecurity (Beta = −0.010, p = 0.003), higher caregiver strain (Beta = 0.149, p < 0.001), and more satisfaction with the support they receive for caregiving (Beta = 0.009, p = 0.002) reported higher PTUC Scale scores. Unpaid caregivers whose care recipients had less cognitive impairment reported higher PTUC Scale scores (Beta = −0.245, p = 0.048). Conclusion Findings indicate caregiver characteristics, caregiving dynamics, and available resources (financial and caregiving support) are associated with perceptions about the usefulness of technology for caregiving. The utility of technology for caregiving may be higher among unpaid caregivers with more caregiver strain or positive experiences with caregiving support.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».