The causal effect of switching from precarious to standard employment on mortality in Sweden
Notice bibliographique
Résumé
Abstract Background Precarious employment (PE) is a well-known social determinant of health and health inequalities, yet the effect of PE on mortality has not been explored sufficiently and high-quality longitudinal studies are lacking. When studying this effect, several methodological factors must be considered, one of them being the immortal time bias or prevalent user bias. A framework that helps us overcome these biases is the target trial. Therefore, the aim of this study is to estimate the causal effect of switching from precarious to standard employment (SE) on the 12-year risk of all-cause mortality among precariously employed workers aged 20-55 in Sweden. Methods We emulated the target trial as a series of 11 target trials (starting at any year between 2005 and 2016), such that each individual may participate in multiple trials using Swedish register data (N = 251274). We classified individuals as: a) workers that at baseline (start) move from PE to SE and then followed while in SE or b) continuation of PE over follow-up. All-cause mortality was measured from 2006 to 2017. We pooled data for all 11 emulated trials and used pooled logistic regression to estimate intention-to-treat effects via hazard ratios and standardized survival curves. Results The following results are preliminary. Individuals that continued on PE were 185,480 and those that initiated SE were 65,794. Over the 12-year follow-up, 1553 individuals died. The estimated observational analogue of the intention-to-treat 12-year survival difference for all cause-mortality between workers that continued on PE and those that initiated SE was of -0.2%, and the HR:0.82, 95%CI:0.72-0.94. Conclusions The following conclusions are preliminary. According to our results, we find indication that shifting from PE to SE decreased the risk of death. Our study highlights the crucial role of decent employment conditions for health. Key messages
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 | 0,043 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,009 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».