MétaCan
Menu
Retour à la cohorte
Enregistrement W4205893401 · doi:10.1177/00221465211066855

Dualized Labor Market and Polarized Health: A Longitudinal Perspective on the Association between Precarious Employment and Mental and Physical Health in Germany

2022· article· en· W4205893401 sur OpenAlexaff
Timo‐Kolja Pförtner, Holger Pfaff, Frank J. Elgar

Notice bibliographique

RevueJournal of Health and Social Behavior · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensMcGill University
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésMental healthGermanSocioeconomic statusDemographic economicsUnemploymentPovertyPolarization (electrochemistry)Association (psychology)Physical healthPsychologyLabour economicsEconomicsEnvironmental healthMedicineEconomic growthGeographyPopulationPsychiatry

Résumé

récupéré en direct d'OpenAlex

This study analyzes the longitudinal association between precarious employment and physical and mental health in a dualized labor market by disaggregating between-employee and within-employee effects and considering mobility in precariousness of employment. Analyses were based on the German Socio-Economic Panel from 2002 to 2018 considering all employees ages 18 to 67 years (n = 38,551). Precariousness of employment was measured as an additive index considering working poverty, nonstandard working time arrangements, perceived job insecurity, and low social rights. Health outcomes were mental and physical health. Random effects models were used and controlled for sociodemographic and socioeconomic variables. Results indicated that the association between precariousness of employment and mental and physical health is mainly based on between-employee differences and that prolonged precariousness of employment or upward or downward mobility are associated with poor health. We found evidence of polarization in health by precariousness of employment within a dualized labor market.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,432
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health and Social BehaviorMême sujetEmployment and Welfare StudiesTravaux en français237 207