A systematic review of evidence on employment transitions and weight change by gender in ageing populations
Notice bibliographique
Résumé
BACKGROUND: Becoming unemployed is associated with poorer health, including weight gain. Middle- and older-age adults are a growing segment of workforces globally, but they are also more vulnerable to changes to employment status, especially during economic shocks. Expected workforce exits over the next decade may exacerbate both the obesity epidemic and the economic burden of obesity. This review extends current knowledge on economic correlates of health to assess whether employment transitions impact body weight by sex/gender among middle-aged and older adults. METHODS: Eight bibliometric databases were searched between June and July 2021, supplemented by hand-searches, with no restriction on publication date or country. Longitudinal studies, or reviews, were eligible when examining body weight as a function of employment status change in adults ≥50 years. Data extraction and quality appraisal used predefined criteria; reported findings were analysed by narrative synthesis. RESULTS: We screened 6,001 unique abstracts and identified 12 articles that met inclusion criteria. All studies examined retirement; of which two also examined job-loss. Overall, studies showed that retirement led to weight gain or no difference in weight change compared to non-retirees; however, reported effects were not consistent for either women or men across studies or for both women and men within a study. Reported effects also differed by occupation: weight gain was more commonly observed among retirees from physical occupations but not among retirees from sedentary occupations. Few studies assessed the role of health behaviours; sleep was the least studied. Most studies were medium quality. CONCLUSIONS: Existing studies do not provide a clear enough picture of how employment transitions affect body weight. Firm conclusions on the impact of employment transitions on weight cannot be made without further high-quality evidence that considers the role of gender, job-type, other health behaviours, and other transitions, like job-loss.
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 | 0,013 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,017 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».