MétaCan
Menu
← Retour à la cohorte
Enregistrement W4293786834 · doi:10.1371/journal.pone.0272698

Welfare state decommodification and population health

2022· article· en· W4293786834 sur OpenAlexaff
Olivier Jacques, Alain Noël

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDecileWelfare stateEconomicsPopulationRedistribution (election)WelfarePolarization (electrochemistry)Demographic economicsLabour economicsEnvironmental healthMedicineMarket economyPolitical science

Résumé

récupéré en direct d'OpenAlex

A generous welfare state decommodifies social relations and frees citizens from relying excessively on markets. We argue that decommodification is associated with population health in two ways: directly, as it provides better social protection to households and indirectly, as it mitigates health-damaging labour market polarization and reduces the incidence of labour market risks. Using time-series cross-sectional quantitative analysis for 21 OECD countries from 1971 to 2010, we observe a negative relationship between decommodification and the age-standardized death rate. We then analyze three correlates of decommodification-income redistribution, labour market polarization and the reduction of labour market risk incidence-and find that only the latter two are associated with population health. Higher labour market polarization, measured by the share of market income allocated to the richest decile relative to the share of the poorest decile, is associated with a higher death rate. A new measure of risk reduction, the degree to which the welfare state reduces the prevalence of large income losses, is also associated with lower death rates, especially for men. Welfare state decommodification thus contributes to population health directly, and indirectly, via the attenuation of labour market polarization and the mitigation of labour market risks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,132
Tête enseignante GPT0,384
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetEmployment and Welfare Studies→Travaux en français237 207→