Inequalities in employment rates among older men and women in Canada, Denmark, Sweden and the UK
Notice bibliographique
Résumé
BACKGROUND: In most developed countries, governments are implementing policies encouraging older persons to work past 65 years to reduce the burden on societies related to disability benefits and pension payments. Despite this push to extend working lives, we know little about who already works past this age and any inequalities that may exist. Our study investigates the employment rates of those aged 65-75 years of age by educational level, health status and sex in Canada (CAN), Denmark (DK), Sweden (SE) and the United Kingdom (UK). Secondly, we aim to relate findings on employment rates to prevailing policies in the different countries, to increase the understanding on how to further extend working lives. METHODS: We used nationally representative cross-sectional survey data from the 2012-2013 Canadian Community Health Survey, 2013/14 Survey of Health, Ageing and Retirement in Europe for Denmark and Sweden and the 2013 English Longitudinal Study of Ageing to examine employment rates for those aged 65-75 years by sex, educational level and health status (having limiting longstanding illness (LLI) or not). RESULTS: Employment rates decline by age, but we see a linear decline in CAN and the UK compared to an initial decline then a plateau of employment rates from 66 to 68 years in DK and SE. Employment rates among persons aged 65-75 years were lower in the UK than in CAN, DK and SE. Among women, employment rates were highest in SE. Women with low education and a LLI had considerably lower employment rates than men with low education and a LLI (employment rates for men ranged from 27% to 12% compared with employment rates for women which ranged from 12% to 0%). CONCLUSIONS: Our results suggest that educational level, sex and health all play a role in extending working lives. The variation in employment rates between the four countries implies that policies do matter, but that social differentials show that policies cannot be 'one size fits all'. Policy-makers must consider different groups (i.e. low-educated women with a LLI) when designing policies to extend working lives.
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 | 0,007 | 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 ».