Initiatives Addressing Precarious Employment and Its Effects on Workers’ Health and Well-Being: A Systematic Review
Notice bibliographique
Résumé
The prevalence of precarious employment has increased in recent decades and aspects such as employment insecurity and income inadequacy have intensified during the COVID-19 pandemic. The purpose of this systematic review was to identify, appraise, and synthesise existing evidence pertaining to implemented initiatives addressing precarious employment that have evaluated and reported health and well-being outcomes. We used the PRISMA framework to guide this review and identified 11 relevant initiatives through searches in PubMed, Scopus, Web of Science, and three sources of grey literature. We found very few evaluated interventions addressing precarious employment and its impact on the health and well-being of workers globally. Ten out of 11 initiatives were not purposefully designed to address precarious employment in general, nor specific dimensions of it. Seven out of 11 initiatives evaluated outcomes related to the occupational health and safety of precariously employed workers and six out of 11 evaluated worker health and well-being outcomes. Most initiatives showed the potential to improve the health of workers, although the evaluation component was often described with less detail than the initiative itself. Given the heterogeneity of the 11 initiatives regarding study design, sample size, implementation, evaluation, economic and political contexts, and target population, we found insufficient evidence to compare outcomes across types of initiatives, generalize findings, or make specific recommendations for the adoption of initiatives.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».