Employment Precariousness and Poor Mental Health: Evidence from Spain on a New Social Determinant of Health
Notice bibliographique
Résumé
BACKGROUND: Evidence on the health-damaging effects of precarious employment is limited by the use of one-dimensional approaches focused on employment instability. This study assesses the association between precarious employment and poor mental health using the multidimensional Employment Precariousness Scale. METHODS: Cross-sectional study of 5679 temporary and permanent workers from the population-based Psychosocial Factors Survey was carried out in 2004-2005 in Spain. Poor mental health was defined as SF-36 mental health scores below the 25th percentile of the Spanish reference for each respondent's sex and age. Prevalence proportion ratios (PPRs) of poor mental health across quintiles of employment precariousness (reference: 1st quintile) were calculated with log-binomial regressions, separately for women and men. RESULTS: Crude PPRs showed a gradient association with poor mental health and remained generally unchanged after adjustments for age, immigrant status, socioeconomic position, and previous unemployment. Fully adjusted PPRs for the 5th quintile were 2.54 (95% CI: 1.95-3.31) for women and 2.23 (95% CI: 1.86-2.68) for men. CONCLUSION: The study finds a gradient association between employment precariousness and poor mental health, which was somewhat stronger among women, suggesting an interaction with gender-related power asymmetries. Further research is needed to strengthen the epidemiological evidence base and to inform labour market policy-making.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».