Immigration, employment relations, and health: Developing a research agenda
Notice bibliographique
Résumé
BACKGROUND: International migration has emerged as a global issue that has transformed the lives of hundreds of millions of persons. Migrant workers contribute to the economic growth of high-income countries often serving as the labour force performing dangerous, dirty and degrading work that nationals are reluctant to perform. METHODS: Critical examination of the scientific and "grey" literatures on immigration, employment relations and health. RESULTS: Both lay and scientific literatures indicate that public health researchers should be concerned about the health consequences of migration processes. Migrant workers are more represented in dangerous industries and in hazardous jobs, occupations and tasks. They are often hired as labourers in precarious jobs with poverty wages and experience more serious abuse and exploitation at the workplace. Also, analyses document migrant workers' problems of social exclusion, lack of health and safety training, fear of reprisals for demanding better working conditions, linguistic and cultural barriers that minimize the effectiveness of training, incomplete OHS surveillance of foreign workers and difficulty accessing care and compensation when injured. Therefore migrant status can be an important source of occupational health inequalities. CONCLUSIONS: Available evidence shows that the employment conditions and associated work organization of most migrant workers are dangerous to their health. The overall impact of immigration on population health, however, still is poorly understood and many mechanisms, pathways and overall health impact are poorly documented. Current limitations highlight the need to engage in explicit analytical, intervention and policy research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».