Does social policy moderate the impact of unemployment on health? A multilevel analysis of 23 welfare states
Notice bibliographique
Résumé
BACKGROUND: The magnitude of observable health inequalities between the unemployed and their employed counterparts differs considerably across countries. Few attempts have been made to test theoretical explanations for this cross-national variation. Moreover, existing studies suffer from important theoretical and methodological limitations. This study addresses these limitations and investigates whether differences in the generosity of social protection policies and in public attitudes towards those policies explain why unemployment-related health inequalities are steeper in some societies than in others. METHODS: Multilevel logistic modelling was used to link contextual-level variables on social protection policies and public attitudes in 23 European countries to individual-level data on self-rated health from the 2012 wave of the European Social Survey. RESULTS: The magnitude of inequalities in self-rated health between the unemployed and their employed counterparts varies significantly across countries as a function of cross-national differences in the level of social protection awarded to the unemployed and the level of public support for the welfare state. CONCLUSIONS: The results provide empirical support for the claim that governments can play a more active role in mitigating unemployment-related health inequalities by expanding the generosity and scope of social protection policies. Whether such an expansion of social protection will take place in the current climate of fiscal austerity is a political question whose implications merit the attention of population health scholars.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».