The impact of stroke on employment income: A cohort study using hospital and income tax data in Ontario, Canada
Notice bibliographique
Résumé
ObjectiveTo document the impact of stroke on employment income among people employed at the time of stroke.DesignPopulation-based cohort study.ParticipantsPeople hospitalized for stroke in Ontario, Canada (2010–2014) and people without stroke matched on demographic characteristics.Main measuresRobust Poisson regression to estimate the effects of stroke on the probability of reporting employment income on tax returns over 3 years. Quantile regression difference-in-differences to estimate the changes in annual employment income attributable to stroke.ResultsStroke survivors were increasingly less likely to report any employment income poststroke, incidence rate ratios (IRR) 0.87 at 1 year (95% confidence intervals [CI]; 0.85–0.88), 0.82 at 2 years (95% CI; 0.81–0.84) and 0.81 at 3 years (95% CI; 0.79–0.82). IRR for reporting at least 50% of prestroke income levels were 0.76 at 1 year (95% CI; 0.75–0.78), 0.75 at 2 years (95% CI; 0.73–0.77) and 0.73 at 3 years (95% CI; 0.71–0.75). IRR for reporting at least 90% of prestroke income levels were 0.72 at 1 year (95% CI; 0.70–0.74), 0.66 at 2 years (95% CI; 0.64–0.68) and again 0.66 at 3 years (95% CI; 0.64–0.68). Relative changes in annual employment income attributable to stroke varied from a decrease of 13.8% (95% CI; 8.7–18.9) at the 75th income percentile to a decrease of 43.1% (95% CI; 18.7–67.6) at the 25th income percentile.ConclusionsIt is important for healthcare and service providers to recognize the impact of stroke on return to prestroke levels of employment income. Low-income stroke survivors experience a more drastic loss in employment income and may need additional social support.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».