Assisted-Transport Caregiving and Its Impact Towards Carer-Employees
Notice bibliographique
Résumé
Assisted-transport is the most common informal caregiving task and will be in greater demand due to an aging society. One population group that predominantly covers the demands of informal eldercare while working full time in the paid labor force are carer-employees. The developing carer-employee literature addresses: the health risks for carer-employees; employers of carer-employees, and policy/program interventions. Little research focuses on assisted-transport, which impacts health. This study begins to fill the gap by addressing the following objectives: (1) develop a socioeconomic profile of carer-employees performing assisted-transport tasks; (2) identify any gender differences based on the profile, particularly employment and caregiving traits; (3) examine behavioral factors that increase the likelihood of conducting assisted-transport caregiving, and; (4) determine whether carer-employees are more likely to be overwhelmed from assisted-transport caregiving. Descriptive statistics and logistic regression were used to analyze Statistics Canada's General Social Survey Cycle 26: Caregiving dataset (2012). Compared to general carer-employees, assisted-transport carer-employees have higher education, household income, and caregiving hours per week and feel more tired and overwhelmed from caregiving. Gender gaps exist based on socioeconomic and caregiving characteristics. Logit results show that female carer-employees are more likely to perform assisted-transport caregiving and feel overwhelmed. Carer-employees conducting assisted-transport caregiving are more likely to be overwhelmed than those who do not.
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 ».