Factors associated with care- and health-related quality of life of caregivers of children with juvenile idiopathic arthritis
Notice bibliographique
Résumé
Abstract Objective This study investigates the relationship of child, caregiver, and caring context measurements with the care-related quality of life (CRQoL) and health-related quality of life (HRQoL) of caregivers of children with juvenile idiopathic arthritis (JIA). Methods We performed a cross-sectional analysis of baseline data on caregivers of children with JIA from Canada and the Netherlands collected for the “Canada-Netherlands Personalized Medicine Network in Childhood Arthritis and Rheumatic Diseases” study from June 2019 to September 2021. We used the CRQoL questionnaire (CarerQoL), adult EQ-5D-5L, and proxy-reported Youth 5-Level version of EuroQoL (EQ-5D-5L-Y) to assess caregiver CRQoL, caregiver HRQoL, and child HRQoL, respectively. We used a multivariate analysis to assess the relationship between both caregiver CRQoL and HRQoL and patient, caregiver, and caring context measurements. Results A total of 250 caregivers were included in this study. Most of the caregivers were from the Netherlands (n = 178, 71%) and 77% were females (n = 193). The mean CarerQoL scores was 82.7 (standard deviation (SD) 11.4) and the mean EQ-5D-5L utility score was 0.87 (SD 0.16). Child HRQoL and employment had a positive relationship with both caregiver CarerQoL and EQ-5D-5L utility scores (p < 0.05), while receiving paid or unpaid help had a negative relationship with both scores (p < 0.05). Conclusion Our findings indicated that to understand the impact of JIA on families, we need to consider socio-economic factors, such as employment and support to carry caregiving tasks, in addition to child HRQoL.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».