MétaCan
Menu
Retour à la cohorte
Enregistrement W2106661309 · doi:10.2190/hs.40.2.f

Case Studies on Employment-Related Health Inequalities in Countries Representing Different Types of Labor Markets

2010· article· en· W2106661309 sur OpenAlexaff
Il‐Ho Kim, Carles Muntaner, Haejoo Chung, Joan Benach

Notice bibliographique

RevueInternational Journal of Health Services · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute for Occupational Safety and Health
Mots-clésInformal sectorTypologyWelfareHealth careLabour economicsInequalitySocial protectionEconomicsDemographic economicsBusinessEconomic growthMarket economySociology

Résumé

récupéré en direct d'OpenAlex

The authors selected nine case studies, one country from each cluster of their labor market inequalities typology, to outline the macro-political and economic roots of employment relations and their impacts on health. These countries illustrate variations in labor markets and health, categorized into a global empirical typology. The case studies illustrated that workers' health is significantly connected with labor market characteristics and the welfare system. For a core country, the labor market is characterized by a formal sector. The labor institutions of Sweden traditionally have high union density and collective bargaining coverage and a universal health care system, which correlate closely with positive health, in comparison with Spain and the United States. For a semi-periphery country, the labor market is delineated by a growing informal economy. Although South Korea, Venezuela, and El Salvador provide some social welfare benefits, a high proportion of irregular and informal workers are excluded from these benefits and experience hazardous working conditions that adversely affect their health. Lastly, several countries in the global periphery--China, Nigeria, and Haiti--represent informal work and severe labor market insecurity. In the absence of labor market regulations, the majority of their workers toil in the informal sector in unsafe conditions with inadequate health care.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,105
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,060
Tête enseignante GPT0,458
Écart entre enseignants0,398 · 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.

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

Citations14
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

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