Impact of severity of multiple sclerosis on caregivers’ occupational performance and coping strategies
Notice bibliographique
Résumé
Background: Due to the unpredictable and progressive nature of multiple sclerosis, the impact of MS is felt beyond the diagnosed individual, extending to the caregivers supporting them. This study aimed to explore how multiple sclerosis severity affects caregivers' occupational performance outcomes, including the role of coping strategies in these outcomes. Methods: = 32), caregivers of patients with severe multiple sclerosis severity. Caregivers were assessed using a sociodemographic information form, the Canadian Occupational Performance Measure, and the Coping with Multiple Sclerosis Caregiving Inventory. Findings: A total of 282 participants, including 141 multiple sclerosis patients and 141 caregivers, were enrolled. Caregivers reported low-to-average occupational performance, with the greatest challenges in self-care, leisure, and productivity. Significant inverse correlations were found between multiple sclerosis severity and both occupational performance and caregiver satisfaction. Caregivers of patients with severe multiple sclerosis faced more difficulties, particularly in Avoidance, Practical Assistance, and Satisfaction. Multiple regression showed that caregiver satisfaction was influenced by age, caregiving duration, and patient gender. Conclusion: This study revealed the significant impact of multiple sclerosis severity on caregivers' occupational performance and coping strategies, highlighting the need for effective interventions such as caregiver training programs, psychological support, and respite care, especially for those with advanced multiple sclerosis. Policymakers must focus on creating robust caregiver support systems to alleviate the socioeconomic impact of multiple sclerosis on families and communities.
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) | 0,000 | 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 ».