Working informal caregivers and risk of long-term sickness absence and unemployment: a Danish nationwide cohort study of effect modification by psychosocial working conditions
Notice bibliographique
Résumé
Abstract Aim Balancing work and informal-care responsibilities is burdensome. We examine the risk of long-term sickness absence (LTSA) and unemployment among working caregivers of children with versus without mental disorders. We tested modification by occupational emotional demands and influence. Subject and methods This register-based matched cohort-study used LTSA and unemployment data on 1,927,098 Danish caregiver-child pairs, tracking incidence of child mental disorders (2000–2018). Exposure to occupational emotional demands and influence at baseline were assigned by job-exposure matrices. Mental disorders were indicated by psychiatric hospital contact, drug use or treatment for substance abuse. Caregivers of children with and without mental disorders were matched 1:5 by age, sex (child/caregiver), occupation, working hours (caregiver), and baseline calendar-week. Cox models estimated hazard ratios (HR) of LTSA (≥ 4 weeks) or unemployment with 10-year follow-up. LTSA and unemployment were analyzed separately, stratified by caregiver sex. Analyses were adjusted for socio-demographics. We tested effect modification and estimated relative excess risk due to interaction (RERI). Results Caregivers of children with any mental disorder had higher risk of LTSA (females: HR = 1.96, 95% CI = 1.94;1.98, males: HR = 1.63, 95% CI = 1.60;1.65) and unemployment (females: HR = 1.14, 95% CI = 1.12;1.15, males: HR = 1.14, 95% CI = 1.12;1.16). The RERI for LTSA was elevated among caregivers exposed to high emotional demands (females: 0.34, 95% CI = 0.28;0.40, males: 0.06, 95% CI < 0.01;0.12) or low influence (females: HR = 0.19, 95% CI = 0.14;0.24, males:HR = 0.12, 95% CI = 0.07;0.18). Conclusion Working caregivers of children with mental disorders have increased risk of LTSA and unemployment. Societal and workplace initiatives, e.g., targeting working conditions, may help balance informal-care and work responsibilities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».