Relationships between employment status with self-perceived mental and physical health in Canada
Notice bibliographique
Résumé
Background The annual cost of mental illnesses in Canada is estimated to be ＄50 billion. Research from other countries have suggested that employment status is associated with mental and physical health. Within the Canadian context, there is a dearth of research on the relationship between employment and mental health. Objective To explore the relationships between age, gender, income, and employment status on mental and physical health. Methods The 2021 Canadian Digital Health Survey dataset was used for this study. Data records, which included responses for the questions on age, gender, income, employment status, mental, and physical health, were used in the analysis. Ordinal logistics regression was applied to investigate the associations that may exist between mental and physical health with the various sociodemographic factors. Descriptive statistics were also provided for the data. Results The total sample size included in the analysis was 10,630. When compared to respondents who had full-time employment, those who were unemployed were more likely to have lower self-perceived mental health (OR: 1.91; 95% CI: 1.55–2.34). Retired respondents were less likely to have worse mental health than respondents who were employed full-time (OR: 0.78; 95% CI: 0.68–0.90). Self-perceived physical health was more likely to be lower for those who were unemployed (OR: 1.74; 95% CI: 1.41–2.14) or retired (OR: 1.28; 95% CI: 1.12–1.48) when compared to respondents employed full-time. The likelihood of worsening mental and physical health was also found to be associated with age, gender, and income. Conclusion Our findings support the evidence that different factors contribute to worsening mental and physical health. Full-time employment may confer some protective effects or attributes leading to an increased likelihood of having improved mental health compared to those who are unemployed. Understanding the complex relationships on how various factors impact mental health will help better inform policymakers, clinicians, and other stakeholders on how to allocate its limited resources.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».