Do Welfare Regimes Moderate Cumulative Dis/advantages Over the Life Course? Cross-National Evidence from Longitudinal SHARE Data
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to examine the cumulative disadvantage of different forms of childhood misfortune and adult-life socioeconomic conditions (SEC) with regard to trajectories and levels of self-rated health in old age and whether these associations differed between welfare regimes (Scandinavian, Bismarckian, Southern European, and Eastern European). METHOD: The study included 24,004 respondents aged 50-96 from the longitudinal SHARE survey. Childhood misfortune included childhood SEC, adverse childhood experiences, and adverse childhood health experiences. Adult-life SEC consisted of education, main occupational position, and financial strain. We analyzed associations with poor self-rated health using confounder-adjusted mixed-effects logistic regression models for the complete sample and stratified by welfare regime. RESULTS: Disadvantaged respondents in terms of childhood misfortune and adult-life SEC had a higher risk of poor self-rated health at age 50. However, differences narrowed with aging between adverse-childhood-health-experiences categories (driven by Southern and Eastern European welfare regimes), categories of education (driven by Bismarckian welfare regime), and main occupational position (driven by Scandinavian welfare regime). DISCUSSION: Our research did not find evidence of cumulative disadvantage with aging in the studied life-course characteristics and age range. Instead, trajectories showed narrowing differences with differing patterns across welfare regimes.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».