Exploring Metro and Non-metro Differences in Satisfaction With Services and Community Participation Among Low-Income Personal Assistance Service Users
Notice bibliographique
Résumé
Personal assistance services (PAS) are supports provided by workers to assist disabled people with their activities of daily living. Access to in-home PAS allows people who need assistance with these activities to live in their own homes and communities, rather than moving to congregate living facilities. Because metro and non-metro areas differ in many ways, we explored the following research questions: (1) Are there differences between non-metro and metro PAS users?, (2) What factors are associated with satisfaction with services?, and (3) What factors are associated with satisfaction with community participation?. We randomly surveyed PAS consumers in five states about their experiences with PAS. To answer the first question, we compared metro or non-metro consumers using independent samples t-tests. We found few statistically significant differences between metro and non-metro respondents. To answer the second and third research questions, we conducted linear regressions predicting our dependent variables. In terms of satisfaction with services, our model explained very little of the variance, other than finding that being partnered or married was significantly, positively related to satisfaction with services. In predicting satisfaction with community participation, the model explained about a quarter of the variance, with having fewer disabilities and higher health status predicting more satisfaction. This research indicates that there are few differences between metro and non-metro low-income PAS consumers and that more research is needed to understand what factors are related to satisfaction with services and community participation in this population.<br>
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».