Helping chronically ill or disabled people into work: what can \nwe learn from international comparative analyses?
Notice bibliographique
Résumé
This project has added to knowledge in five main areas: \nIt has mapped the range and types of policies and interventions that have been implemented in Canada, Denmark, Norway, Sweden and the UK that may influence \nemployment chances for chronically ill and disabled people. By doing so it has added to understanding about what has actually been tried in each country and what might be considered in others. \nIt has refined a typology of the focussed interventions that have been identified, based on the underlying programme logic of the intervention, which aids strategic thinking about national efforts to help chronically ill and disabled people into work. \nIt has produced systematic reviews of the impact of the focussed interventions on the employment chances of chronically ill and disabled people and demonstrated the use of the typology in helping to interpret the results of the evaluations. \nThe project’s empirical analyses of individual-level data have identified how chronically ill people from different socio-economic groups have fared in the labour markets of the five countries over the past two decades. It has then tested these findings against hypotheses about the impact of macro-level labour market policies on chronically ill people to provide insights into the influence of the policy context. \nThe project has contributed to methodological development in evidence synthesis and the evaluation of natural policy experiments. By studying a small number of countries in great depth, we gained greater understanding of the policies and interventions that have been tried in these countries to help chronically ill and disabled people into work, against the backdrop of the wider labour market and macro-economic trends in those countries. We then integrated evidence from the wider policy context into the findings of systematic reviews of effectiveness of interventions, to advance interpretation of the natural policy experiments that have been implemented in these countries.
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 | 0,082 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,015 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,009 | 0,022 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».