Identifying gender differences in reported occupational information from three US population-based case–control studies
Notice bibliographique
Résumé
OBJECTIVES: Growing evidence suggests that gender-blind assessment of exposure may introduce exposure misclassification, but few studies have characterised gender differences across occupations and industries. We pooled control responses to job-specific, industry-specific and exposure-specific questionnaires (modules) that asked detailed questions about work activities from three US population-based case-control studies to examine gender differences in work tasks and their frequencies. METHODS: We calculated the ratio of female-to-male controls that completed each module. For four job modules (assembly worker, machinist, health professional, janitor/cleaner) and for subgroups of jobs that completed those modules, we evaluated gender differences in task prevalence and frequency using χ(2) and Mann-Whitney U tests, respectively. RESULTS: The 1360 female and 2245 male controls reported 6033 and 12 083 jobs, respectively. Gender differences in female:male module completion ratios were observed for 39 of 45 modules completed by ≥20 controls. Gender differences in task prevalence varied in direction and magnitude. For example, female janitors were significantly more likely to polish furniture (79% vs 44%), while male janitors were more likely to strip floors (73% vs 50%). Women usually reported more time spent on tasks than men. For example, the median hours per week spent degreasing for production workers in product manufacturing industries was 6.3 for women and 3.0 for men. CONCLUSIONS: Observed gender differences may reflect actual differences in tasks performed or differences in recall, reporting or perception, all of which contribute to exposure misclassification and impact relative risk estimates. Our findings reinforce the need to capture subject-specific information on work tasks.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».