Simple Science

最先端の科学をわかりやすく解説

# 健康科学# 産業保健および環境保健

職場のトイレアクセスの不平等について考える

研究によると、職場のトイレアクセスにギャップがあって、それが健康に影響を与えているんだって。

― 1 分で読む


職場のトイレアクセス問題職場のトイレアクセス問題人たちに健康リスクがあることが分かる。トイレのアクセスの不平等を調べると、働く
目次

研究はしばしば、利用可能なデータや特定の分野での過去の研究に依存してるんだ。でも時には、あまり書かれてないトピックや、問題を適切に調査するのに十分なデータがない場合もあるよね。そういうのがあると、意味のある研究を行うのが難しいことがあるんだ。でも、研究者は時々、既存のデータを使ってさらに調査するための洞察を得ることができるかもしれない。

一つの難しい分野は職業健康の不平等で、これは仕事に関連する健康結果の違いで、避けられるものなんだ。例えば、特定の状況にいる労働者は、仕事に関連するハンディキャップがあって、特に社会的または経済的に乏しい背景を持つ場合、健康に影響を与えることがある。仕事とこれらのハンディキャップの関係は明確に定義されていないため、研究のギャップが生まれてる。健康データセットは、異なる人々のグループ間で仕事が健康結果にどのように寄与するかを調べるための情報が不足していることが多い。このギャップが、職業健康の不平等に関する研究の発展を遅らせているんだ。

トイレアクセスの問題

具体的な問題の一例は、アメリカの職場における適切なトイレの可用性だ。労働安全衛生局(OSHA)は、雇用主にトイレを提供し、従業員が必要な時に使えるようにすることを要求している。しかし、多くの労働者は、自分が望むほどトイレを使えていないと報告している。これはいくつかの理由によるもので、場合によっては職場にトイレがない(例えば、交通機関の労働者)か、プライバシーや清潔さ、施設が不足しているなど、トイレの利用を妨げる問題があることもある。時には、労働者が忙しすぎたり、トイレの利用を求めても拒否されてしまったりして、必要な時にトイレにアクセスできないこともある。安全の懸念も影響することがある。

労働者が適切なトイレにアクセスできない場合、尿路感染症や失禁などの健康問題に直面することがある。これらの健康問題は仕事のパフォーマンスを悪化させ、場合によっては一部の労働者が仕事を辞める原因にもなる。だから、トイレへのアクセスは職業健康に関連する重要な問題なんだ。

アメリカの職業によってトイレの可用性が大きく異なるかどうかは不明だ。職場のトイレに関する研究のほとんどは、特に医療の現場で女性に焦点を当てている。それぞれの職業で労働者が直面するトイレの状況については、十分な調査が行われていない。トイレのアクセスにおける不平等を明らかにできれば、不適切なトイレに起因する健康結果の違いについても光が当たるかもしれない。

概念モデル

分析を進めるために、性別、人種/民族、教育レベルに基づくトイレアクセスの不平等がどのように生じるかに関する仮説をまとめた概念モデルを開発したんだ。これらの特徴は、アメリカの労働力における重要な分断を表しているので選んだ。私たちのモデルは、不平等につながる2つの主要なメカニズムを特定している:職業健康の不平等と職業の分離。特定の職業は、トイレの適切さに影響を与える直接的な特性を持っていて、配管設備がないような場合があるから、ある職業グループは不適切なトイレのリスクが高いんだ。

職業健康の不平等は、トイレの条件を決定する仕事の特性の違いから生じる。これらの不平等は、その仕事の特性を調べることで回避できる。しかし同時に、社会的要因が人々を特定の仕事に振り分けているんだ。

データ分析へのアプローチ

従来の分析では、研究者は人口統計グループ間でのトイレの適切さを比較するかもしれない。でも、私たちはその方法を選ばなかった。なぜなら、利用可能なデータが多様な労働者を表していなかったからだ。もっと重要なのは、人口統計的特徴のみに焦点を当てると、トイレの不適切さの根本的な原因を無視してしまうことだ。仕事の要求や配管の可用性などの要因が関与していることが多いんだ。

私たちの概念モデルに基づいて、仕事の特徴から不適切なトイレまでのルート原因を辿る三段階の分析を行った。最初は仕事の特徴から始めて、次に職業、最後に労働者の特徴に移った。この方法で、異なるデータセットを使ってさまざまな分析を行うことができた。

ステップ1:仕事の特徴をトイレアクセスに結びつける

私たちは、仕事の特徴とトイレのアクセスを含む2015年アメリカ労働環境調査(AWCS)というデータセットを特定した。回答者にはトイレの施設が不十分だと感じたかどうかを尋ねた。私たちは、職場の清潔さ、屋外作業、車両作業、機械によって設定される作業ペース、従業員が休憩を取れるかどうかなど、トイレアクセスの質に影響を与える可能性のある仕事の特徴を探った。

統計的手法を使って、これらの仕事の特徴が不適切なトイレとどのように関連しているかを調べた。比率が特定の閾値を超えた場合、関連性があると定義した。私たちの分析では、13%の女性と16%の男性が不適切なトイレを報告した。特に職場の清潔さが不適切なアクセスと強い関連があった。

ステップ1の反省

ステップ1では、トイレの状態に関連する仕事の特徴を特定しようとした。AWCSデータセットは、いくつかの有用な洞察を提供してくれた。でも、いくつかの限界も認識した:私たちのデータセットにはトイレの質に影響を与えるすべての特徴が含まれていない可能性があるし、不十分さの理由について尋ねていなかった。さらに、国中のさまざまな仕事を考慮すると、サンプルサイズは限られていた。

ステップ2:トイレアクセスに関連する職業を特定

次に、職業情報ネットワーク(ONET)を使って、私たちが特定した仕事の特徴と職業を結びつけた。私たちの6つの特徴のうち、ONETに含まれていたのは3つだけだった。これらの特徴に基づいて職業を分類し、不適切なトイレのリスクがある職業を特定するための閾値を定義した。

967の職業を分析した結果、70の職業がすべてのトイレ関連の特徴に合致していた。しかし、残りの3つの特徴については、特定の職業と関連付けることができるデータセットが見つからなかった。

ステップ2の反省

ステップ2では、成功と失敗が混在していた。私たちの仕事の特徴の半分だけが職業に結びつけられた。この制限は、労働力の広範な範囲による職業健康研究の課題を際立たせている。さらに、多くのデータセットはさまざまな人口統計グループが持つ職業の現実を捉えていない可能性がある。

ステップ3:トイレ問題に関連する職業の労働者を説明

最終ステップでは、最新の人口動態調査(CPS)を使って、ステップ2で特定した職業の人口統計データを取得した。トイレの不適切さに関連する仕事の特徴の数が増えるにつれて、その役割における労働者の人口構成が変わり、女性が少なく、大学教育を受けた労働者も少なくなることがわかった。

ステップ3の反省

O*NET-CPSデータを使用することで、サンプルサイズに関する以前の制限を克服できた。しかし、私たちが予想していた人口統計パターンも見つかり、特定のグループの代表性の欠如を特定した。限られたトイレアクセスを持つ職業にどのような人がいるのかを理解することは重要なんだ。

トイレアクセスの不平等に関する洞察

私たちの分析は完全に結論が出たわけではないが、男性や教育レベルの低い労働者が不適切なトイレを持つ職業を持つ可能性が高いことを特定した。これは、現在の研究が主に医療分野の女性に焦点を当てている中で重要なことだ。また、トイレの問題が高リスクな職業を特定することは、将来的な介入の潜在的な領域を提供する。

私たちは、さらなる研究のために3つの主要な領域を提案する。まず、私たちの分析で特定された職業は、将来の研究がその労働者のニーズをより良く理解するための出発点になる。次に、これらの職業での健康状態に関する研究は、不適切なトイレアクセスの健康への影響についてのさらなる証拠を提供できるかもしれない。最後に、職場の清潔さやトイレアクセスに影響を与える条件に関するデータを収集することが有益だ。

結論

職場のトイレアクセスの不平等を測定する私たちの努力は、研究者がデータの可用性の限界に直面する一般的な問題を浮き彫りにし、彼らが馴染みのあるトピックにこだわってしまうことにつながる。ただ、たとえ不完全でも既存のデータを取り入れて、研究の範囲を広げることができるんだ。概念モデルを使うことで、私たちは職業健康の不平等に関連する重要な質問や潜在的な解決策を特定できる。

私たちのアプローチの強みは、単なる人口統計の不平等に焦点を当てるのではなく、根本的な原因に焦点を当てることだ。構造的要因は健康結果に大きな影響を与え、職場の条件をターゲットにすることが効果的な介入にとって重要なんだ。私たちが分析のステップを振り返ると、今後の研究が既存のギャップに対処するだけでなく、不適切なトイレアクセスのような問題に注目を引き寄せることで、すべての労働者の職場健康状態の改善につながることを考えるね。

オリジナルソース

タイトル: Identifying occupational health inequities in the absence of suitable data: are there inequities in access to adequate bathrooms in U.S. workplaces?

概要: ObjectivesOur research questions are often chosen based on the existence of suitable data for analysis or prior research in the area. For new interdisciplinary research areas, such as occupational health equity, suitable data might not yet exist. In this manuscript, we describe how we approached a research project in the absence of suitable data, using the example of identifying inequities in adequate bathrooms in U.S. workplaces. MethodsWe created a conceptual model that explained the causation of occupational health inequities, and from this model identified a series of questions that could be answered using separate datasets. Breaking up the analysis into multiple steps allowed us to use multiple data sources and analysis methods, which helped compensate for limitations in each dataset. ResultsUsing the conceptual model as a guide, we were able to identify jobs that likely have inadequate bathrooms as well as subpopulations potentially at higher risk for inadequate bathrooms. We also identified specific data gaps by reflecting on the challenges we faced in our multi-step analysis. ConclusionsWe share our conceptual model and our example analysis to motivate epidemiologists to avoid letting availability of data limit the research questions they pursue. What is already known on this topicConducting research in interdisciplinary research areas, such as occupational health equity, can be challenging because suitable data often do not exist. What this study addsWe created a conceptual model that explains the causation of occupational health inequities, which helps conduct analyses with less than optimal data. How this study might affect research, practice or policyUsing this approach allows researchers to combine multiple data sources and analysis methods to answer a single research question, expanding the research questions that can be addressed with existing data.

著者: Candice Y Johnson, K. Fujishiro

最終更新: 2023-05-16 00:00:00

言語: English

ソースURL: https://www.medrxiv.org/content/10.1101/2023.05.11.23289863

ソースPDF: https://www.medrxiv.org/content/10.1101/2023.05.11.23289863.full.pdf

ライセンス: https://creativecommons.org/publicdomain/zero/1.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。

類似の記事

機械学習フィードラー正則化:ニューラルネットワークトレーニングへの新しいアプローチ

フィードラー正則化は、オーバーフィッティングをうまく対処することでニューラルネットワークのパフォーマンスを向上させるよ。

― 1 分で読む