Racial disparities in job strain among American and immigrant long‐term care workers
Notice bibliographique
Résumé
BACKGROUND: Nursing homes are occupational settings, with an increasing minority and immigrant workforce where several psychosocial stressors intersect. AIM: This study aimed to examine racial/ethnic differences in job strain between Black (n = 127) and White (n = 110) immigrant and American direct-care workers at nursing homes (total n = 237). METHODS: Cross-sectional study with data collected at four nursing homes in Massachusetts during 2006-2007. We contrasted Black and White workers within higher-skilled occupations such as registered nurses or licensed practical nurses (n = 82) and lower-skilled staff such as certified nursing assistants (CNAs, n = 155). RESULTS: Almost all Black workers (96%) were immigrants. After adjusting for demographic and occupational characteristics, Black employees were more likely to report job strain, compared with Whites [relative risk (RR): 2.9, 95% confidence interval (CI) 1.3 to 6.6]. Analyses stratified by occupation showed that Black CNAs were more likely to report job strain, compared with White CNAs (RR: 3.1, 95% CI: 1.0 to 9.4). Black workers were also more likely to report low control (RR: 2.1, 95% CI: 1.1 to 4.0). Additionally, Black workers earned $2.58 less per hour and worked 7.1 more hours per week on average, controlling for potential confounders. CONCLUSION: Black immigrant workers were 2.9 times more likely to report job strain than White workers, with greater differences among CNAs. These findings may reflect differential organizational or individual characteristics but also interpersonal or institutional racial/ethnic discrimination. Further research should consider the role of race/ethnicity in shaping patterns of occupational stress.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».