Gender, Occupational Stress, Resources, and Sleep Deprivation among Immigrant Micro-business Owners: Cross-sectional Survey of Korean Immigrants in Toronto, Canada.
Notice bibliographique
Résumé
INTRODUCTION: Literature highlights occupational stressors as critical determinants of psychological well-being. Although immigrant micro-business owners (MBOs) tend to suffer from long work hours with heavy workloads in low-yielding service sectors, studies have rarely investigated their experiences. This study compares a sample of immigrant MBOs with matched (sex, age) samples of paid employees on: 1) occupational stressors (i.e. physical, psychological, and emotional demands), 2) occupational resources (i.e. autonomy, job satisfaction), and 3) sleep deprivation. METHODS: Between March and November 2013, 1288 Korean immigrant workers (51.4% men, 48.6% women, aged 20 to 64) living in and around the Greater Toronto Area were interviewed in person. Participants included owners of micro-businesses such as convenience stores, laundromats, and small restaurants. Paid employees consisted of professionals, office workers, and manual workers. The health outcome, sleep deprivation, was assessed by a standardized 9-item scale tapping sleeplessness, disturbed sleep, fatigue, and work dysfunction. RESULTS: Compared to paid employees, MBOs reported a higher degree of occupational demands (physical, psychological, and emotional) and job autonomy. Among males, job satisfaction was higher for MBOs; female MBOs expressed less satisfaction than male MBOs and female professional and office workers. Among male samples, the effects of physical and emotional demands on sleep deprivation were greatest for MBOs; however, effect differences were not apparent within the female samples. Job satisfaction significantly mitigated the associations of sleep deprivation with physical demand ( P =.011) for female MBOs and emotional demands ( P =.053) for male MBOs, but not paid employees. Autonomy also seemed to benefit male MBOs in buffering the negative health effects of emotional demand ( P =.0221).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».