Precarious work among personal support workers in the Greater Toronto Area: a respondent-driven sampling study
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has highlighted the role of personal support workers (PSWs) in health care, as well as their work conditions. Our study aimed to understand the characteristics of the PSW workforce, their work conditions and their job security, as well as to explore the health of PSWs and the impact of precarious employment on their health. Methods: Our community-based participatory action research focused on PSWs in the Greater Toronto Area. We administered an online, cross-sectional survey between June and December 2020 using respondent-driven sampling. Data on sociodemographics, employment precarity, worker empowerment and health status were collected. We assessed the association between precarious employment and health using multivariable logistic regression models. Results: We contacted 739 PSWs, and 664 consented to participate. Overall, 658 (99.1%) completed at least part of the survey. Using data adjusted for our sampling approach, the participants were predominantly Black (76.5%, 95% confidence interval [CI] 68.2%–84.9%), women (90.1%, 95% CI 85.1%–95.1%) and born outside of Canada (97.4%, 95% CI 94.9%–99.9%). Most worked in home care (43.9%, 95% CI 35.2%–52.5%) or long-term care (34.5%, 95% CI 27.4%–42.0%). Although most participants had at least some postsecondary education (unadjusted proportion = 83.4%, n = 529), more than half were considered low income (55.1%, 95% CI 46.3%–63.9%). Most participants were precariously employed (86.5%, 95% CI 80.7%–92.4%) and lacked paid sick days (89.5%, 95% CI 85.8%–93.3%) or extended health benefits (74.1%, 95% CI 66.8%–81.4%). Nearly half of the participants described their health as less than very good (46.7%, 95% CI 37.9%–55.5%). Employment precarity was significantly associated with higher risk of depression (odds ratio 1.02, 95% CI 1.01–1.03). Interpretation: Despite being key members of health care teams, most PSWs were precariously employed with low wages that keep them in poverty; the poor work conditions they faced could be detrimental to their physical and mental health. Equitable strategies are needed to provide decent work conditions for PSWs and to improve their health.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».