来源：
社科前沿（公众号）
编者按：
本期推送的是瑞典学者Jonsson等2020年在Scandinavian Journal of Public Health期刊上发表的文章Precarious employment and general, mental and physical health in Stockholm, Sweden: a cross-sectional study。这是一项瑞典首次报告不稳定就业与多种健康结果之间关系的研究，该研究采用多维度量表进行衡量不稳定就业。研究结果进一步证明了不稳定就业与较差的自综合健康和心理健康之间存在关联。
一
引言
不稳定就业（PE）一词涵盖与（较差）就业质量相关的一系列属性。不稳定就业的特点往往是就业时间短暂、收入不足、缺乏劳动/集体权利和社会保障。因此，不稳定就业本身并不指就业类型，例如临时就业，但由于缺乏关于关键不稳定就业特征的详细劳动力市场统计数据，不稳定就业的一维度量仍然广泛应用于研究中。据研究者发现，对瑞典劳动力市场的不稳定就业现状没有可靠的估计。在瑞典劳动力中，估计约35-39%的人有非典型就业（特点是临时就业、在临时机构就业、自营职业、缺乏集体谈判协议覆盖范围、多份工作或在非正规部门工作），15-17%的人估计有临时就业。瑞典和芬兰是北欧临时就业率最高的国家。相关报告还显示，瑞典的长期临时职业已被更大比例的按需就业和日工所取代，使得临时就业更加不稳定。
不稳定就业被视为不良健康结果的社会决定因素，其影响个人、家庭和社会。流行病学研究主要利用不稳定就业的一维操作，但几项实证研究致力于使用多维度操作，如复合或汇总量表，多变量模型，包括几个不稳定就业指标和类型学方法。一项评估不同福利制度下不安全和不稳定就业对健康影响的审查发现，不稳定就业（在大多数情况下按就业类型衡量）与不良健康结果之间的关联证据混杂。然而，与其他福利国家相比，斯堪的纳维亚（Scandinavia）福利国家的不稳定就业患者总体上表现出更好的健康结果。最近不稳定就业对心理健康结果纵向研究的回顾和元分析也发现，临时就业与健康不良之间存在不一致的关系，而多维测量有显著影响。所有应用不稳定就业多维测量的研究均来自斯堪的纳维亚国家。用就业不稳定性量表（EPRES）评估不稳定就业的横断面研究报告了高就业不稳定性和不良心理健康之间的关系。此外，对不稳定就业的多变量方法表明，低收入、大量无薪加班和福利不足与较差的总体和/或功能健康结果之间存在关联，并对所有其他因素进行了调整。未发现非标准就业与两种结果之间存在显著相关性。最后，不稳定就业的类型学方法报告了与心理困扰/心理健康不良、一般健康不良和身体投诉以及病假保护作用相关的不稳定就业类型。
总的来说，以前的研究指出不稳定就业与健康不良之间的关系，超越了不稳定就业的一系列多维测量以及一系列结果。然而，目前缺乏使用类似不稳定就业操作的研究和调查肌肉骨骼疼痛（MSP）等身体健康结果的研究。因此，本研究的公共卫生相关性包括通过使用瑞典版的就业不稳定度量表（EPRES-Se）评估不稳定就业与瑞典背景下的自评一般健康、心理健康和MSP之间的关系，扩展了有关不稳定就业与自我评估一般健康、心理健康和MSP之间关系的文献，促进旨在改善就业条件并最终改善不稳定条件下职工健康的未来研究。
二
研究方法
数据和样本
本研究采用横断面设计，使用基于不稳定就业调查的数据和自评健康结果，对非标准就业安排中的员工进行抽样调查。本研究是在斯德哥尔摩不稳定就业项目（PREMIS）内进行的，旨在研究不稳定就业的健康结果。数据收集于2016年11月至2017年5月期间进行。本研究的纳入标准为：工作但非全职永久合同，在斯德哥尔摩县生活和/或工作，年龄18-65岁，拥有瑞典个人身份证号码。排除标准为：永久全职工作、自愿自营职业或自愿兼职、学生或养老金领取者。在数据收集结束时，总样本是483。其中，68名参与者因不符合研究标准而被排除在外；最后有效样本一共415。参与者采用基于网络被访者驱动抽样（WebRDS）进行招募，这是一种对等招募策略，用于缺乏抽样框架的难以接触人群。在被访者驱动抽样（RDS）方法中，基于自报告的网络大小（度）对样本进行加权，以补偿具有大型社交网络的过度抽样个体；也就是说，可能具有类似特征的个体的过度代表性。使用为此目的开发的WebRDS软件招募和收集调查数据。
变量设置
自变量。使用EPRES-Se评估不稳定就业的程度，该量表由六个维度和23个项目组成：“临时性”（合同期限和任期；两个项目）、“工资”（低或不足以及可能的经济剥夺；三个项目）、“剥夺权力”（就业条件谈判水平；两个项目）、“脆弱性”（对独裁待遇的防御能力；五个项目），“权利”（工作场所权利和社会保障福利的权利；五项）和“行使权利”（无权行使工作场所权利；六项）。项目最初按三分或五分制评分，然后转换为0-4分制。对每个维度进行平均，然后计算全局平均值。理论上，整体分数在0到4之间，其中0和4分别代表不稳定就业的最低和最高分数。为了获得本研究中的不稳定就业程度，EPRES Se分数分为三个等级：低（0.9–1.66）、中等（1.67–2.12）和高（2.13–3.07）。
结果变量。从PREMIS调查中检索到关于：（a）一般健康、（b）心理健康和（c）MSP的自我报告结果。表1概述了这些内容。结果的可操作性是根据之前的文献进行的，略有修改。在早期对一般健康的二分法分类中，反应量表选项“公平”有时被忽略，例如在瑞典公共卫生调查的报告中当反应选项从“优秀”到“差”（包括“非常好”、“良好”、“一般”）排序时，“一般”通常被归类为健康不佳。然而，由于精力有限，将该选项排除在外并不是一种选择。根据瑞典公共健康调查和瑞典工作环境调查，分别使用了心理健康和MSP的截止值。然而，在后者中，MSP是按位置分隔的。
表1.健康结果与运作概述
协变量。PREMIS调查收集了性别（男性；女性）、年龄（连续并分类为18-24岁、25-29岁、30-35岁和36-62岁）、过去三年的失业率（是；否）和职业社会阶层（体力职业；非体力职业）的数据。职业社会阶层是通过将自我报告的当前职业分类为三位数级别的SSYK 2012代码（瑞典2012年标准职业分类的缩写，是ISCO-08的修改版）来创建的，然后将其分为1到9的一位数级别，最后将其分为体力和非体力职业（分别为5-9级和1-4级）。从LISA那里收集了完成学业最高的教育（分类为高中；高等教育）的数据≤2年；或高等教育≥3年）和家庭组成（已婚/同居，有或没有孩子住在家里；单身，有孩子住在家里；单身，没有孩子）。RTB收集了出生国（瑞典；瑞典境外）的数据。在普莱米斯调查中，教育和家庭组成的数据与参与年份相匹配。如上所述，通过使用“DAGitty”为每个健康结果构建有向无环图（DAG），确定了用于估计不稳定就业对健康结果总影响的充足调整变量，见补充材料中的补充图1-3。
统计分析
根据不稳定程度计算所有协变量的95%置信区间（CI）频率。根据不稳定程度计算每个健康结果的患病率（prevalence）（含CI），并以条形图表示。应用具有泊松分布、对数连接函数和稳健方差的广义线性模型计算所有结果的粗患病率和校正患病率（PR；aPR），CI为95%。模型的构建包括两个步骤：第一步包括性别、年龄（连续）、教育和职业社会阶层，第二步添加出生国、以前的失业率和家庭组成。在所有模型中都使用了较低程度的不稳定就业作为参考。除主要分析外，还进行了一些敏感性分析。首先，由于MSP不同于DAG中的一般健康和心理健康，即无需针对之前的失业情况进行调整，因此在主要分析中，不稳定就业和MSP之间的关联针对失业情况进行了调整，而敏感性分析是在没有之前失业的情况下进行的。其次，为了适应EPRES中时间维度的不良心理测量特性可能产生的潜在限制，在没有该维度的情况下进行了原始和调整模型。最后，根据RDS方法对频率以及原始和调整模型进行加权。使用统计分析软件（SAS）进行未加权分析，使用STATA 14.0进行加权分析。
三
研究结果
研究结果分析
表2显示了本研究样本的社会人口特征，并按不稳定程度分层。与不稳定程度较低的组相比，不稳定程度较高的组中的参与者在很大程度上是男性（51.8%对42.4%），25岁以下（43.9%对13.6%），通常只获得高中学历，接受最高教育（49.6%对34.6%），更经常有失业经历（57.5%对37.1%），目前更经常从事体力劳动（66.4%对49.6%）。此外，与不稳定就业程度较低的人群（13.7%）相比，瑞典境外出生的高危人群比例更高（29.0%）。这些频率大多以梯度方式随着不稳定性的增加而增加。较差的自评一般健康和心理健康的患病率随着不稳定程度的增加而增加，对于不稳定程度最高的参与者，患病率分别为40%。MSP的情况相反，其患病率最高，在不稳定性较低的组中为36%（见图1）。
表 2.样本的社会人口学特征，总体和按不稳定程度分层（n=401）。
图 1.健康结果的患病率（95%CI）按不稳定程度分层。
表3列出了所有结果的95%置信区间的粗PRs和调整后PRs。自评一般健康不良的完全调整PR随着不稳定性的增加呈梯度增加（A2PR1.44（CI 0.98–2.11）；A2pr高1.78（CI 1.21–2.62）），尽管中度不稳定性的估计值不显著。自评心理健康状况较差的患者也存在类似的模式（A2PR1.13（CI 0.82–1.62）；A2Pr高1.69（CI 1.25–2.28））。不稳定就业和MSP之间没有观察到相关性。在部分调整后的模型中也观察到了这些结果，但较差的一般模型除外中度不稳定就业的健康状况也显示出显著的估计值（a1pr中度1.49（CI 1.02–2.18））。使用权重的敏感性分析结果表明，与未加权频率相比，社会人口特征的加权频率差异很小（少数变量为5–13个百分点），并且没有改变整体解释（见补充表一）。加权后，自评一般健康和心理健康较差的显著估计值仍然存在，尽管估计值较大。
排除暂时性维度通常证实了来自完整EPRES Se的结果。然而，一些估计值的幅度发生了变化：自评一般健康状况不佳的PR增加，在中度不稳定就业中变得显著（A2pr中等1.51（CI 1.02–2.21）），在高不稳定就业中增加（a2PRHigh 1.93（CI 1.29–2.88））；而在高不稳定就业组中，由于心理健康不佳，PR略有下降（a2PRHigh1.57（CI 1.77–2.11））（数据未显示）。
表 3.一般健康、心理健康和MSP的患病率为95%CI。
四
讨论与结论
这是瑞典首次报告不稳定就业与多种健康结果之间关系的研究，以多维量表衡量。这也是少数将MSP作为健康结果进行评估的研究之一。研究结果表明，不稳定就业与较差的自评一般健康和心理健康之间存在正相关。本研究中发现的不稳定就业与较差的自评总体健康之间的关系与之前的研究一致。一个类似的例子是西班牙使用EPRES对工人进行的研究。西班牙先前使用EPRES进行的研究也支持了不稳定就业与不良自评心理健康之间的关联。与目前的研究（对西班牙工人的研究发现，女性的第四四四分位PRs为3.45（CI 2.11–5.65），男性为3.21（CI 2.08–4.95），相比之下，这两项研究还发现了更清晰的心理健康差梯度模式以及更大的估计值（尤其是在女性中），西班牙研究报告称，女性的第五个五分位患病率比例（PPR）为2.54（CI 1.95–3.31），男性为2.23（CI 1.86–2.68），而当前研究发现第三个三分位患病率比例为1.69（CI 1.25–2.28）。结果可能不同的原因有几个。首先，瑞典和西班牙在福利国家制度方面有所不同。此前有报道称，与长期就业相比，南方福利州的不稳定就业与更高的健康投诉和精神疾病风险有关；虽然斯堪的纳维亚福利国家的不稳定员工健康状况较好。这种缓和效应可能是由于斯堪的纳维亚福利国家更全面的就业政策。与瑞典相比，西班牙在2008年经济危机之前和之后的失业率都较高，这也是进行这些研究的背景。这一点很重要，因为高失业率与不稳定就业状况有着内在的联系。此外，西班牙研究的样本代表了人群（包括标准员工和非标准员工），规模更大，除了对不稳定就业进行更精细的分类外，还可以进行更精确的估计。与瑞典数据相比，这些因素都可能导致西班牙数据中的关联性更强。
这是探索不稳定就业和健康结果之间潜在梯度关联的少数研究之一，尤其是与MSP的研究，也是第一项使用EPRES Se评估这些健康结果的研究。然而，本研究存在一些局限性。首先，与之前的研究相比，样本量相对较小，不允许通过假设的效应修正因子（如性别和年龄）进行分层，也不允许比三分位数更精细的分类。其次，这是一个横截面研究，产生了潜在的反向因果关系；也就是说，经历过的不良健康状况（即结果）会影响不稳定程度（即暴露）。这与潜在的“健康雇佣效应”和“健康工人-幸存者效应”相一致，在这两种效应中，健康的个人被假设更经常地被选择（永久）就业并继续就业，而健康的个人（因此，他们最终陷入不稳定就业或失业的风险更大）。荷兰的一项就业合同轨迹研究部分支持了这些假设。然而，在不稳定就业研究背景下，人们反对不稳定就业的单一衡量指标，如雇佣合同，而鼓励多维度建构，以获取不稳定就业的完整程度。此外，在以前的研究中，合同类型与健康状况不佳的关系并不一致。例如，对不稳定就业和心理健康的纵向研究进行的元分析发现，在多维操作方面有很强的影响，但对临时就业的影响不一致。这支持了（多维）不稳定就业确实会影响不良健康的假设，尽管在反向因果关系方面需要更严格的纵向证据。
这项研究补充了不稳定就业与较差的自评一般健康和心理健康之间存在关联的证据。瑞典有理由在更大和有代表性的普通人群样本中应用EPRES Se与这些（和其他）健康结果的关系，特别是在MSP方面，以澄清是否存在关联。由于性别和年龄可能是这些关联中的重要影响因素，因此需要继续使用分层分析。最后，有必要进行纵向研究，以排除反向因果关系的风险，并加强已有的不稳定就业危害证据。
Precarious employment: 不稳定就业，脆弱就业
General health: 综合健康；一般健康
Scandinavia：斯堪的纳维亚
注：由于篇幅有限，本文有所删减。
文献来源：
Jonsson, J., Matilla-Santander, N., Kreshpaj, B.,Johansson,G., & Bodin,T. (2020).Precarious employment and general, mental and physical health in stockholm, sweden: a cross-sectional study. Scandinavian Journal of Public Health.
转自：“量化研究方法”微信公众号
如有侵权，请联系本站删除！
