MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117242919 · doi:10.2196/83493

Self-Perceived Preparedness Needs Among Caregivers of Veterans With and Without Dementia: An Exploratory Study Using Open-Ended Survey Data

2025· article· en· W7117242919 sur OpenAlexvenueno aff
Sandra Garcia Davis, Richard Munoz, Saanvi Lamba, Diana Ruiz, Luci K. Leykum

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreparednessExploratory researchPsychological interventionDementiaSurvey researchSocial supportSurvey data collectionData collection

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Caregivers' self-perceived preparedness for caregiving influences care recipients' and caregivers' emotional health, and care recipients' aging in place. Dementia's unique, long, and progressive nature compared to other age-related illnesses, along with associated behavioral symptoms and personality changes, may cause caregivers' preparedness to vary significantly from that of those caring for patients with other chronic conditions. OBJECTIVE: This study aimed to describe and compare specific domains and tasks in which family caregivers of veterans with and without dementia reported wanting to be better prepared. METHODS: Using the Veterans Affairs' HERO CARE (Home Excellence Resource Outcome Center to Advance, Redefine, and Evaluate Non-Institutional Care) Survey data, we analyzed caregivers' responses to one open-ended question: "Out of all the tasks that you help the veteran with, is there anything specific you would like to be better prepared for?" Response themes were deductively coded into 9 domains, and differences in reported domains between caregivers of care recipients with and without dementia were compared. RESULTS: A total of 732 caregivers were included: 301 (41.1%) caregivers of veterans with dementia and 431 (58.9%) without. Caregivers of veterans with and without dementia, respectively, were similar except in age, being spousal caregivers, working at least part-time, hours of care provision per week, and proportion with a high burden. Veterans with dementia, versus without, were older and had higher frailty and risk scores. Preparedness concerns among caregivers (N=732) included care coordination (n=164, 22.4%), emotional and social support (n=145, 19.8%), advance planning (n=116, 15.8%), nursing and health monitoring (n=94, 12.8%), personal care (n=65, 8.9%), mobility (n=79, 10.8%), household (n=58, 7.9%), caregiver self-care (n=36, 4.9%), and emergent situations (n=28, 3.8%). The commonest tasks caregivers expressed needs for included managing emotional and behavioral symptoms (n=74, 10.1%), recognizing and responding to significant changes in the veterans' condition (n=66, 9.0%), seeking medical information relevant to the veterans' needs (n=54, 7.4%), handling financial and legal matters (n=52, 7.1%), and advocating for services (n=49, 6.7%). Similar proportions of caregivers of veterans with and without dementia reported preparedness needs in all domains and tasks. CONCLUSIONS: The preparedness needs of caregivers of veterans with and without dementia were mostly similar in most domains and tasks. The commonest preparedness gaps were in the domains of care coordination, emotional and social support, and advance planning. The findings can inform interventions to prepare all caregivers to support aging in place.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,136
Tête enseignante GPT0,456
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→