MétaCan
Menu
Retour à la cohorte
Enregistrement W4416791501 · doi:10.2196/74209

Buffering Effects of Internet Use on Caregiving-Related Health Impacts and Loneliness Among Older Informal Caregivers in California: Cross-Sectional Study

2025· article· en· W4416791501 sur OpenAlexvenueno aff
Xiang Qi, Ruotong Liu, Eunjung Ko, Yaolin Pei, Bei Wu

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLonelinessDisconnectionThe InternetPsychological interventionSocial isolationHealth care

Résumé

récupéré en direct d'OpenAlex

Background: Loneliness has emerged as a global public health issue, with recent data indicating that 27.6% of adults aged 65 to 80 report feelings of loneliness despite the postpandemic resumption of social activities. Older caregivers face unique challenges that may exacerbate feelings of loneliness due to the demanding nature of caregiving responsibilities. While internet use has been suggested as a potential intervention to reduce loneliness, its moderating effect on the relationship between caregiving-related health effects and loneliness remains understudied. Objective: This study aims to investigate: (1) the association between caregiving-related health effects and loneliness among older informal caregivers; (2) the relationship between internet use frequency and loneliness; and (3) whether internet use moderates the association between caregiving-related health effects and loneliness. Methods: We analyzed cross-sectional data from the 2019-2020 California Health Interview Survey, focusing on 3957 informal caregivers aged 65 and older. Loneliness was measured using a modified 3-item UCLA Loneliness Scale. Health effects of caregiving were assessed by self-reported physical or mental health problems due to caregiving responsibilities. Internet use frequency was measured on a 4-point scale. Multivariable linear regressions were used to test the study aims, adjusting for sociodemographic factors, health status, and caregiving-context characteristics. Results: Among participants, 475 (12.0%) reported experiencing physical or mental health problems due to caregiving responsibilities. After adjusting for covariates, caregivers who experienced health problems related to caregiving reported higher levels of loneliness compared to those who did not (β=0.76, SE .07, P<.001). More frequent internet use was associated with a lower level of loneliness (β=-0.11, SE 0.03, P<.001). Additionally, internet use significantly moderated the relationship between caregiving-related health effects and loneliness (β=-.16, SE 0.07, P=.02), suggesting that the negative impact of caregiving-related health effects on loneliness was attenuated among caregivers who used the internet more frequently. Conclusions: Caregiving-related health effects are associated with increased loneliness among older informal caregivers, but more frequent internet use may both directly reduce loneliness and buffer against the adverse impact of caregiving on loneliness. These findings align with recent research highlighting the potential of technology-based interventions to combat social disconnection among older adults. Health care providers and policy makers should consider implementing programs that enhance internet access among older caregivers as part of comprehensive strategies to address loneliness in this vulnerable population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,316
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207