MétaCan
Menu
← Retour à la cohorte
Enregistrement W2062374105 · doi:10.1371/journal.pone.0021722

Relative Health Effects of Education, Socioeconomic Status and Domestic Gender Inequity in Sweden: A Cohort Study

2011· article· en· W2062374105 sur OpenAlexaff
Susan P. Phillips, Anne Hammarström

Notice bibliographique

RevuePLoS ONE · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensQueen's University
Organismes subventionnairesForskningsrådet för Arbetsliv och Socialvetenskap
Mots-clésSocioeconomic statusCohortDemographyCohort studySocial determinants of healthHealth equityGerontologyPsychologyMedicinePublic healthPopulationSociology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Limited existing research on gender inequities suggests that for men workplace atmosphere shapes wellbeing while women are less susceptible to socioeconomic or work status but vulnerable to home inequities. METHODS: Using the 2007 Northern Swedish Cohort (n = 773) we identified relative contributions of perceived gender inequities in relationships, financial strain, and education to self-reported health to determine whether controlling for sex, examining interactions between sex and other social variables, or sex-disaggregating data yielded most information about sex differences. RESULTS AND DISCUSSION: Men had lower education but also less financial strain, and experienced less gender inequity. Overall, low education and financial strain detracted from health. However, sex-disaggregated data showed this to be true for women, whereas for men only gender inequity at home affected health. In the relatively egalitarian Swedish environment where women more readily enter all work arenas and men often provide parenting, traditional primacy of the home environment (for women) and the work environment (for men) in shaping health is reversing such that perceived domestic gender inequity has a significant health impact on men, while for women only education and financial strain are contributory. These outcomes were identified only when data were sex-disaggregated.

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)0,002
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,092
Tête enseignante GPT0,366
Écart entre enseignants0,275 · 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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetHealth disparities and outcomes→Travaux en français237 207→