MétaCan
Menu
Retour à la cohorte
Enregistrement W2100558486 · doi:10.2190/hs.40.2.j

The Solution Space: Developing Research and Policy Agendas to Eliminate Employment-Related Health Inequalities

2010· article· en· W2100558486 sur OpenAlexaff
Carles Muntañer, Sanjeev Sridharan, Haejoo Chung, Orielle Solar, Michael Quinlan, Joan Benach

Notice bibliographique

RevueInternational Journal of Health Services · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute for Occupational Safety and Health
Mots-clésInequalityPsychological interventionContext (archaeology)Public economicsHealth policyHealth careSocial policySocial inequalityEconomicsBusinessEconomic growthMedicineNursingGeography

Résumé

récupéré en direct d'OpenAlex

As in many other areas of social determinants of health, policy recommendations on employment conditions and health inequalities need to be implemented and evaluated. Case studies at the country level can provide a flavor of "what works," but they remain essentially subjective. Employment conditions research should provide policies that actually reduce health inequalities among workers. Workplace trials showing some desired effect on the intervention group are insufficient for such a broad policy research area. To provide a positive heuristic, the authors propose a set of new policy research priorities, including placing more focus on "solving" and less on"problematizing" the health effects of employment conditions; developing policy-oriented theoretical frameworks to reduce employment-related inequalities in health; developing research on methods to test the effects of labor market policies; generalizing labor market interventions; engaging, reaching out to, and holding onto workers exposed to multiple forms of unhealthy employment conditions; measuring labor market inequalities in health; planning, early on, for sustainability in labor market interventions; studying intersectoral effects across multiple interventions to reduce health inequalities; and looking for evidence in a global context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,121
Tête enseignante GPT0,531
Écart entre enseignants0,410 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health ServicesMême sujetEmployment and Welfare StudiesTravaux en français237 207