Assessing Health Risk Areas and Activity-Travel Behaviour of Carer-Employees
Notice bibliographique
Résumé
Carer-employees are defined as individuals who provide unpaid care to a disabled / ill dependent person(s) while working full-time in the paid labour force. In Canada, there are 6.1 million carer-employees, many of which are experiencing work-life balance struggles, which may result in ill-health. To minimize negative impacts, there is interest in developing caregiver-friendly workplace policies (CFWPs) as an intervention strategy to improve CEs’ work-life balance. However, the effectiveness of CFWPs are still in their infancy and often only focus on the work dimension. One of the most critical dimensions that have not yet been assessed is the activity-travel behaviour of carer-employees, which is largely impacted by the assisted-transport demands of their care-recipient. To contribute to filling in this gap, this dissertation addresses the following objectives: 1) develop an activity-travel behaviour profile of carer-employees using sociodemographic and caregiving characteristics; 2) identify spatial locations with potentially high assisted-transport demand while suggesting new areas to improve mobility independence of care-recipients, and; 3) create and apply a mixed-methods framework that classifies the actual activity-travel behaviour of carer-employees. The purposes of all three objectives are to: contribute to closing the literature gap; visually inform decision-makers and health planners, and; efficiently develop caregiver-friendly transport policies (CFTPs). Highlighted findings show that carer-employees conducting assisted-transport have lower income and are more likely to be tired and overwhelmed than those not performing the transport task (Objective 1). In Hamilton metropolitan area, 38% of the older adult population are not within immediate reach to a vital service, and another 15% are located in potentially high assisted-transport demand areas. Suggested areas for service implementation would improve access for older adults by 18% (Objective 2). Lastly, the framework has classified and ranked three types of activity-travel behaviours (Objective 3). All of these findings have led to the discussion of a multi-pronged implementation strategy for uptake of CFTPs.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».