Predictors of Self-Reported Health Status of Ready-made Garment Workers in Bangladesh in Post Global Economic Recession Period
Notice bibliographique
Résumé
Introduction There has been disagreement within academia in Bangladesh on whether the global economic recession of 2008-2009 came out as a bane or a boon to their economy and for their people, particularly workers in the ready-made garments (RMG) sector; therefore, we sought to conduct a study among currently employed and recently unemployed RMG workers to examine the influence of recession on their self-reported health status. Methods This cross-sectional study was conducted among 200 workers across 20 factories and 108 recently unemployed workers from different locations of Dhaka. Workers were selected based on a systematic sampling method from 20 randomly selected factories. Unemployed respondents were selected via snowball sampling. A questionnaire was prepared to cover different socio-demographic variables, which were then explored against an outcome variable of how the respondents rate their current health status (2009) compared with their past health status during the economic recession period (2008). A simple logistic regression was conducted for each of the independent variables with the outcome variable. Finally, all independent variables were loaded against the outcome variable, and multiple logistic regression was run. Results The only statistically significant predictor of self-reported health status was age, which indicated a 4% decrease (p = 0.05; 95% confidence interval (CI), 0.9203417 to 1.000015) in improved or better health with each year increase in age, holding other variables constant. Respondent health status was unchanged or even improved after the period of recession. The employed group had 1542.061 Taka (approximately $20) more average monthly family income than the unemployed group (two-sample t-test p-value 0.007), their health status was not affected (odds ratio (OR) 0.998; p-value 0.907). Conclusion The absence of an association between self-reported health status and economic recession is not uncommon, and explanations have been proposed for this phenomenon.
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 | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».