Investigating variations in paid parental leave uptake among mothers: a Canadian longitudinal population-based study
Notice bibliographique
Résumé
This study examines how child, maternal, family, and health-related determinants contribute to variations in the uptake of paid maternal leave. We used data from the Quebec Longitudinal Study of Child Development, a representative cohort of infants born in 2020–2021 (N = 3456). Mothers were interviewed at 5 and 17 months postpartum, and three groups of leave were derived: no leave taking (n = 299), maternity leave with non-shared weeks of parental leave (n = 1927), and maternity leave with shared weeks of parental leave (n = 1150). Multivariate multinomial regression models using survey-weighted data yielded odds ratios. Low educational attainment, immigration background, poverty, cannabis use, and perinatal preventive services usage increased the odds of taking no leave, while being a first-time mother and a single parent, drinking alcohol during pregnancy, and accessing preventive withdrawal were associated with a decreased likelihood of not taking leave. Maternal age, lower educational attainment, and poverty were associated with increased odds, while immigration background and cannabis use were associated with decreased odds of taking maternity leave with non-shared (vs. shared) parental benefits. Mothers with no leave taking are more likely to experience increased socioeconomic hardship. Citizenship-based rather than employment-based parental leave policy could promote early-life equity across families from diverse backgrounds.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».