The impact of overweight on employment outcomes: a review of the evidence
Notice bibliographique
Résumé
Abstract Background Overweight has been recognised as a significant public health issue. Several hypotheses have been posed to explain the impact of overweight on employment outcomes, including the role of productivity, labour supply, and discrimination. In this review, we provide a systematic synthesis of the evidence on the causal impact of overweight on labour market outcomes worldwide. Methods We searched Econ Lit, Medline, and Web of Science databases for relevant studies from 1st Jan 2010 to 20th Jan 2023. Studies were included if they were either longitudinal analysis, pooled cross-sectional or cross-sectional studies if they used Mendelian Randomisation methodology and have been published since 2010. Only those studies with measures of overweight and employment outcomes were included. Results The number of potentially relevant studies constituted 4,321 hits. A total of 59 studies met the inclusion criteria and were qualitatively reviewed by the authors. Most of the included studies were carried out in the USA (N = 18), followed by the UK (N = 9), Germany (N = 6), Finland (N = 4), and non-EU countries (N = 22). Evidence from the included studies suggests that the overweight effect differs by gender, ethnicity, country, and time period. White women with obesity in the USA, the UK, Germany, Canada, and in the EU (multi-country analyses) are more likely to experience overweight/obesity related labour market penalties such as reduced likelihood of employment, and when employed they also face lower wages compared to non-overweight counterparts. For men there is no evidence of an effect of overweight on employment outcomes or the magnitude of the effect is much smaller or even positive in some cases. Conclusions This review has shown that despite ample research on the impact of overweight on employment status and wages, robust causal evidence on the effects of weight status on employment outcomes remains scarce and relies significantly on strong statistical and theoretical assumptions. Key messages • The first study to evaluate the evidence base and the methodology of studies that assessed the economic consequences of overweight. • There is a need for better identification approaches and more recent datasets, especially from low-income countries.
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 | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».