Back to Work? Not Everyone. Examining the Longitudinal Relationships Between Informal Caregiving and Paid Work After Formal Retirement
Notice bibliographique
Résumé
OBJECTIVES: Research on unretirement (retirees who re-enter the workforce) is burgeoning. However, no longitudinal study has examined how informal care relates to unretirement. Utilizing role theory, this study aims to explore the heterogeneity of informal care responsibilities in retirement and to examine how informal care informs re-entering the workforce in later life. METHOD: Data were drawn from the Health and Retirement Study of fully retired individuals aged 62 years and older in 1998 (n = 8,334) and followed to 2008. Informal care responsibilities included helping a spouse/partner with activities of daily living (ADLs) or instrumental activities of daily living (IADLs); helping parent(s) or parent-in-law(s) with ADLs or IADLs; and single or co-occurrence of care roles. Covariates included economic and social factors. Cox proportional hazard models were utilized. RESULTS: When compared with noncaregivers, helping a spouse with ADLs or IADLs reduced the odds of returning-to-work in the subsequent wave by 78% and 55%, respectively (hazard ratio [HR]: 0.22, confidence interval [CI]: 0.06-0.87; HR: 0.45, CI: 0.21-0.97). There was no statistical difference to returning-to-work between noncaregivers and helping parents with ADLs/IADLs or multiple caregiving responsibilities. DISCUSSION: Role theory provided a useful framework to understand the relationships of informal care and unretirement. Aspects of role strain emerged, where, spousal caregivers were less likely to come out of retirement. Spousal caregivers may face challenges to working longer, and subsequently, opportunities to bolster their retirement security are diminished. Research and policy implications are discussed.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».