MétaCan
Menu
Retour à la cohorte
Enregistrement W2084170407 · doi:10.1080/13668800701785296

Working HIV care-givers in Botswana: Spill-over effects on work and family well-being

2008· article· en· W2084170407 sur OpenAlexaff
Divya Rajaraman, Alison Earle, Jody Heymann

Notice bibliographique

RevueCommunity Work & Family · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWorryHuman immunodeficiency virus (HIV)MedicineFamily medicineWork (physics)Child careNursingPsychologyPsychiatryAnxiety

Résumé

récupéré en direct d'OpenAlex

Families provide most of the care to the tens of millions of HIV-infected and -affected in Africa. Little research exists on how care-givers balance the demands of holding a job with providing care for those who have become ill or orphaned by HIV/AIDS. Using data from a large survey administered to 1,077 working care-givers in Botswana, we compared the experience of HIV care-givers with non-HIV care-givers. Compared to non-HIV care-givers, HIV care-givers were more likely to worry about routine childcare (44% vs. 31%) and sick childcare (64% vs. 49%). Amongst those working far from home, more HIV care-givers were concerned that their children were not receiving adequate academic support (39% vs. 20%) and emotional support (57% vs. 33%). Parents who were HIV care-givers were less able to spend time with their own children. Children of HIV care-givers were more likely to have physical, mental and academic problems. While HIV care-givers were more likely to take leave from work for care-giving (53% vs. 39%), and for longer periods of time (13 vs. 7.6 days), this leave is more likely to be unpaid. Strategies to support those directly and indirectly affected by HIV and to avoid economic responsibility are discussed.

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)0,002
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 enseignants0,149
Score d'incertitude au seuil0,297

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
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 Opus0,020
Tête enseignante GPT0,261
Écart entre enseignants0,241 · 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

Citations21
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunity Work & FamilyMême sujetPoverty, Education, and Child WelfareTravaux en français237 207