MétaCan
Menu
Retour à la cohorte
Enregistrement W1523386926 · doi:10.1002/ajim.22351

Work‐injury absence and compensation among partnered and lone mothers and fathers

2014· article· en· W1523386926 sur OpenAlexaffabout
Imelda S. Wong, Peter Smith, Cameron Mustard, Monique A. M. Gignac

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensPublic Health OntarioUniversity of TorontoInstitute for Work & Health
Organismes subventionnairesAustralian Research Council
Mots-clésMedicineReceiptCompensation (psychology)Logistic regressionWorkers' compensationOccupational safety and healthInjury preventionHuman factors and ergonomicsOccupational injuryWork (physics)Poison controlSuicide preventionDemographyGerontologyEnvironmental healthPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The purpose of this study is to examine the risk of a work-injury absence and the likelihood of receiving compensation among partnered and lone mothers and fathers. METHODS: This study utilized data from an annual survey of Canadian residents. Logistic regression models examined the association between family status and the receipt of workers' compensation, and absences due to work-related injury or illnesses of 7 or more days. RESULTS: Being a lone mother was significantly associated with the risk of work-injury absence. Gender differences were observed for workers' compensation: mothers were half as likely as fathers to receive workers' compensation benefits, which may be attributed to differences in work experiences between men and women. CONCLUSIONS: Findings may help in understanding whether some parental situations are more vulnerable than others and may contribute to identifying policies that could help workers sustain employment or return to work following an injury.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,316
Écart entre enseignants0,280 · 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'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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetInjury Epidemiology and PreventionTravaux en français237 207