Matalasti koulutettujen naisten elintavat verrattuina korkeasti koulutettujen naisten elintapoihin
Bibliographic record
Abstract
Työn tarkoituksena on kartoittaa sosioekonomisesti heikommassa asemassa olevien naisten elintapoja ja verrata näitä korkeasti koulutettujen työikäisten naisten elintapoihin. Opinnäytetyössä vastataan kysymykseen: Millaisia elintapoja on alhaisen koulutusasteen omaavilla Suomessa asuvilla työikäisillä 25-64 -vuotiailla naisilla verrattuina korkeasti koulutettuihin?\n\nOn viitteitä, että korkeampi koulutus korreloi terveempiä elintapoja. Matala koulutustaso on yleensä yhteydessä matalaan palkkaan ja matalapalkkaisia naisia on kaksi ja puolikertaa enemmän kuin miehiä. Jos matalapalkkaisuus on vahvasti yhteydessä epäedullisiin elintapoihin, ongelma on kansantaloudellisesti merkittävä, koska kansantaudit vaikuttavat kuolleisuuteen ja työkykyyn. Suomen kansantaudit kuten sydän- ja verisuonisairaudet ovat osin ennalta ehkäistävissä elintavoilla. Työikäisten kuolemista kansantauti on syynä noin puolessa tapauksista.\n\nOpinnäytetyö on osa Julkisten ja hyvinvointialojen liiton (JHL) Voimaa naisissa 2015 -hanketta, jossa Metropolia ammattikorkeakoulu on mukana. Hankkeen tavoitteena on ma-talapalkkaisten naisten terveyden ja hyvinvoinnin edistäminen ja terveyserojen kaventaminen kehittämällä ja ottamalla käyttöön terveyden edistämismenetelmiä. Työ toteutettiin kirjallisuuskatsauksena. Aiheesta rajattiin pois lapset, yli 64-vuotiaat ja raskaana olevat.\n\nErot sosioekonomisen aseman mukaan ovat selkeitä. Alimmassa koulutusryhmässä on eniten tupakoivia, ylipainoisia ja vähiten suositusten mukaisia ruokailutottumuksia seuraavia. Liikunnan harrastamisessa ei ole merkittäviä eroja eri koulutusryhmien välillä. Ylimmässä koulutusryhmässä kulutetaan eniten alkoholia mutta alempi koulutusluokka on li-sännyt alkoholin käyttöä merkittävästi.\n\nNäihin haitallisiin elintapoihin puuttumalla voitaisiin edistää sosioekonomisesti heikommassa asemassa olevien naisten terveyttä ja työkyvyn säilymistä mahdollisimman pitkään. Varsinkin, kun eläkeikää ollaan nostamassa. Sosioekonomisesti korkeammalla olevilla naisilla on korkean koulutuksen myötä mahdollisesti enemmän työkaluja ja voimavaroja terveellisten elintapojen ylläpitoon ja sitä kautta parempi työkyky.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.052 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".