Impacto de las labores de cuidado sobre la salud de las personas cuidadoras en Chile: Asistencia técnica
Bibliographic record
Abstract
Esta publicación presenta los hallazgos de un estudio colaborativo entre el Instituto de Investigación de las Naciones Unidas para el Desarrollo Social (UNRISD) y el Ministerio de la Mujer y la Equidad de Género de Chile (MMEG), desarrollado en el marco de un Memorando de Entendimiento suscrito por ambas instituciones. El estudio examina los impactos del trabajo de cuidados no remunerado en la salud de las mujeres cuidadoras en Chile, utilizando fuentes de datos oficiales como la Encuesta de Protección Social, la Encuesta Nacional de Uso del Tiempo y la Encuesta Nacional de Empleo. Mediante la integración de indicadores desagregados por género y la aplicación de técnicas de aprendizaje automático, la investigación introduce una metodología innovadora basada en la métrica AVISA (Años de Vida Saludable Ajustados) para estimar la carga acumulada de enfermedad asociada a las responsabilidades de cuidado. Los resultados evidencian una correlación significativa entre la intensidad del trabajo de cuidados no remunerado y la prevalencia de enfermedades crónicas entre mujeres cuidadoras, tales como depresión, artritis, artrosis y diabetes. En particular, se estima que el 64 % de los AVISA relacionados con la depresión en mujeres son atribuibles a la sobrecarga de cuidados. Estos hallazgos aportan evidencia robusta sobre la intersección crítica entre desigualdad de género, salud y organización social del cuidado, y refuerzan la urgencia de avanzar hacia políticas públicas integrales que reconozcan, redistribuyan y reduzcan el trabajo de cuidados no remunerado. La evidencia generada constituye un insumo estratégico para el diseño e implementación del Sistema Nacional Integral de Cuidados de Chile, al tiempo que fortalece la agenda de políticas públicas feministas, visibilizando los costos humanos, sociales y fiscales de la desvalorización del cuidado. Este trabajo se llevó a cabo gracias a la ayuda de una subvención otorgada por el Centro Internacional de Investigaciones para el Desarrollo (IDRC), Ottawa, Canadá, y en colaboración con la Alianza Global por los Cuidados.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".