The Role of Carer-Friendly Workplace Policies and Social Support in Relation to the Mental Health of Carer-Employees
Notice bibliographique
Résumé
Carer-employees (CEs) are unpaid carers who are simultaneously working in paid employment. Workplace stress often compounds with caregiving stress to cause negative health effects for CEs. This analysis investigates cross-sectional data of the 2018 Canadian General Social Survey (GSS) to determine whether CEs who experienced work interferences (WIs), including taking time off work, turning down a job offer or promotion, and taking a less demanding job, were associated with poor mental health due to caregiving responsibilities. Carer-friendly work policies (CFWPs) and social support would lower the mental health impact of CEs and moderate the association between WIs and mental health. Of the 23,025 respondents, 4,291 were CEs. A series of multivariate logistic regressions were conducted on various mental health symptoms (e.g., feeling tired, experiencing appetite loss, and having trouble sleeping). Most WIs were positively associated with mental health symptoms. CFWPs, such as flexible scheduling, the option to work part-time, being able to take a leave of absence or an extended leave, and feeling that CFWPs can be taken without negative impacts on one’s career, were negatively associated with at least one mental health symptom caused by the caregiving responsibilities. The option to telework was found to be nonsignificant. Generally, social support was associated with an increased chance of mental health symptoms, apart from help from the community. CEs who worked in workplaces that promoted CFWPs without negative impacts on their careers were less likely to feel anxious when turning down a job offer or promotion. Our study highlights the importance of CFWPs for CEs’ mental health. As the number of CEs increases over time, the need for effective and wide-ranging CFWPs becomes more important.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».