MétaCan
Menu
Retour à la cohorte
Enregistrement W4312247656 · doi:10.32920/ihtp.v2i2.1637

Gender, time-use, and health: A scoping review

2022· review· en· W4312247656 sur OpenAlexvenueno aff
Kanika Sharma, Ramila Bisht

Notice bibliographique

RevueInternational Health Trends and Perspectives · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthLife course approachDiversity (politics)GerontologyThematic analysisQualitative researchPsychologyApplied psychologyMedicineSociologyDevelopmental psychologySocial sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction: Time-use research is a useful approach to examine the health impacts of how people spend their time and the factors that influence their time. One such factor is gender. Aim: This study undertakes a scoping review to map and synthesize recent research done on the interrelationships among gender, time-use, and health. Design: Web of Science and PubMed electronic databases were searched to identify research published between 2015 and 2020. Forty-four studies that met the eligibility criteria were selected. Results: Most studies on the topic are quantitative in nature, focus on developed country contexts, and have mental health and nutrition as thematic health focus. There is diversity in the kinds of population being studied, with an increasing focus on children and adolescent populations. Conceptual findings reveal multi-directional and life-course aspects of the relationship; point that the relationship between time-use and health varies by the stage of the epidemiological and the nutrition transition; and highlight the need to study the health and well-being impacts of gendered caregiving. Conclusion: This review highlights the need to conduct qualitative studies, give attention to health outcomes such as chronic illnesses, occupational health issues, and physical pain, and increase research focus on developing country contexts where gender inequality in time-use and health is severe.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,446
Tête enseignante GPT0,592
Écart entre enseignants0,146 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Health Trends and PerspectivesMême sujetGlobal Health Care IssuesTravaux en français237 207