Impacts of the COVID-19 pandemic on carer-employees’ well-being: a twelve-country comparison
Notice bibliographique
Résumé
The aim of this analysis is to assess the potential ways that the COVID-19 pandemic has impacted Canadian carer-employees (CEs) and identify the needs CEs feel is required for them to continue providing care. We assess the similarities and differences in the stresses CEs faced during COVID-19 globally across countries in the G7, Australia, Spain, Brazil, Taiwan, India, and China. We aim to compare Canada against global trends with respect to the challenges of the COVID-19 pandemic, as well as the supports in place for CEs. The study utilized 2020 Carer Well-Being Index at the country level. Descriptive data on Canadian CEs is first reviewed, followed by comparisons, by country, on responses relating to: (a) time spent caring; (b) sources of support; (c) impact on paid work and career, and; (d) emotional/mental, financial, and physical health. The relationship between government support and emotional/mental health is also explored. When compared to pre-pandemic times, CEs in Canada on average spent more time caregiving, with 34% reporting more difficulty balancing their paid job and caring responsibilities. Seventy-one percent of CEs feel their mental health has deteriorated. Thirty-four percent of Canadian CEs received support from the government, and only 30% received support from their employers. Globally, there was a similar trend, with CEs experiencing deteriorating mental health, work impacts, and unmet needs during the pandemic. Comparing the well-being of Canadian CEs with other countries provides an opportunity to evaluate areas where Canadian policies and programs have been effective, as well as areas needing improvement.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».