Precarious employment and the workplace transmission of COVID-19: evidence from workers’ compensation claims in Ontario, Canada
Notice bibliographique
Résumé
OBJECTIVE: To examine the association between precarious employment and risk of work-related COVID-19 infection in Ontario, Canada. METHODS: We combined data from an administrative census of workers' compensation claims with corresponding labour force statistics to estimate rates of work-related COVID-19 infection between April 2020 and April 2022. Precarious employment was imputed using a job exposure matrix capturing temporary employment, low wages, irregular hours, involuntary part-time employment and a multidimensional indicator of 'low', 'medium', 'high' and 'very high' overall exposure to precarious employment. We used negative binomial regression models to quantify associations between precarious employment and accepted compensation claims for COVID-19. RESULTS: We observed a monotonic association between precarious employment and work-related COVID-19 claims. Workers with 'very high' exposure to precarious employment presented a nearly fivefold claim risk in models controlling for age, sex and pandemic wave (rate ratio (RR): 4.90, 95% CI 4.07 to 5.89). Further controlling for occupational exposures (public facing work, working in close proximity to others, indoor work) somewhat attenuated observed associations. After accounting for these factors, workers with 'very high' exposure to precarious employment were still nearly four times as likely to file a successful claim for COVID-19 (RR: 3.78, 95% CI 3.28 to 4.36). CONCLUSIONS: During the first 2 years of the pandemic, precariously employed workers were more likely to acquire a work-related COVID-19 infection resulting in a successful lost-time compensation claim. Strategies aiming to promote an equitable and sustained recovery from the pandemic should consider and address the notable risks associated with precarious employment.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».