Creating and Using New Data Sources to Analyze the Relationship between Social Policy and Global Health: The Case of Maternal Leave
Notice bibliographique
Résumé
OBJECTIVES: Operating at a societal level, public policy is often one of our best approaches to addressing social determinants of health (SDH). Yet, limited data availability has constrained past research on how national social policy choices affect health outcomes. We developed a new data infrastructure to illustrate how globally comparative data on labor policy might be used to examine the impact of social policy on health. METHODS: We used multivariate ordinary least squares regression models to examine the relationship between the duration of paid maternal leave and neonatal, infant, and child mortality rates in 141 countries when controlling for overall resources available to meet basic needs measured by per capita gross domestic product, total and government health expenditures, female literacy, and basic health care and public health provision. RESULTS: An increase of 10 full-time-equivalent weeks of paid maternal leave was associated with a 10% lower neonatal and infant mortality rate (p ≤ 0.001) and a 9% lower rate of mortality in children younger than 5 years of age (p ≤ 0.001). Paid maternal leave is associated with significantly lower neonatal, infant, and child mortality in non-Organisation for Economic Co-operation and Development (OECD) countries and OECD countries. CONCLUSIONS: This preliminary study, using newly available worldwide policy data, demonstrates the potential strength of using globally comparative data to examine SDH. Further data development to make multilevel modeling of the impact of labor conditions possible and to broaden which social policies can be examined is a critical next step.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,088 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,016 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».