Are immigrants, ethnic and linguistic minorities over‐represented in jobs with a high level of compensated risk? Results from a montréal, Canada study using census and workers' compensation data
Notice bibliographique
Résumé
OBJECTIVES: Few Canadian data sources allow the examination of disparities by ethnicity, language, or immigrant status in occupational exposures or health outcomes. However, it is possible to document the mechanisms that can create disparities, such as the over-representation of population groups in high-risk jobs. We evaluated, in the Montréal context, the relationship between the social composition of jobs and their associated risk level. METHODS: We used data from the 2001 Statistics Canada census and from Québec's workers' compensation board for 2000-2002 to characterize job categories defined as major industrial groups crossed with three professional categories (manual, mixed, non-manual). Immigrant, visible, and linguistic minority status variables were used to describe job composition. The frequency rate of compensated health problems and the average duration of compensation determined job risk level. The relationship between the social composition and risk level of jobs was evaluated with Kendall correlations. RESULTS: The proportion of immigrants and minorities was positively and significantly linked to the risk level across job categories. Many relationships were significant for women only. In analyses done within manual jobs, relationships with the frequency rate reversed and were significant, except for the relationship with the proportion of individuals with knowledge of French only, which remained positive. CONCLUSIONS: Immigrants, visible, and linguistic minorities in Montréal are more likely to work where there is an increased level of compensated risk. Reversed relationships within manual jobs may be explained by under-reporting and under-compensation in vulnerable populations compared to those with knowledge of the province's majority language.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».