Who loses more? Identifying the relationship between hospitalization and income loss: prediction of hospitalization duration and differences of gender and employment status
Notice bibliographique
Résumé
BACKGROUND: The major determinants of health and well-being include wider socio-economic and political responses to poverty alleviation. To data, however, South Korea has no related social protection policies to replace income loss or prevent non-preferable health conditions for workers. In particular, there are several differences in social protection policies by gender or occupational groups. This study aimed to investigate how hospitalization affects income loss among workers in South Korea. METHODS: The study sample included 4876 Korean workers who responded to the Korean Welfare Panel Study (KoWePS) for all eight years from 2009 to 2016. We conducted a receiver operating characteristics (ROC) analysis to determine the cut-off point for the length of hospitalization that corresponded to the greatest loss of income. We used panel multi-linear regression to examine the relationship between hospitalization and income loss by gender and employment arrangement. RESULTS: The greatest income loss for women in non-standard employment and self-employed men was observed when the length of hospitalization was seven days or less. When they were hospitalized for more than 14 days, income loss also occurred among men in non-standard employment. In addition, when workers were hospitalized for more than 14 days, the impact of the loss of income was felt into the subsequent year. CONCLUSION: Non-standard and self-employed workers, and even female standard workers, are typically excluded from public insurance coverage in South Korea, and social security is insufficient when they are injured. To protect workers from the vicious circle of the poverty-health trap, national social protections such as sickness benefits are needed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».