Effets des facteurs psychosociaux au travail sur la santé mentale. Une revue de littérature des études prospectives portant sur trois modèles émergents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Les études mesurant les effets des facteurs psychosociaux au travail sur la santé mentale utilisent de préférence les modèles largement documentés de demande-latitude-support (DLS) de Karasek et al. et de déséquilibre-effort-reconnaissance (DER) de Siegrist. Or il existe d’autres modèles théoriques encore peu documentés, exploités et / ou analysés. Par une revue de littérature d’études prospectives réalisées dans les pays industrialisés de 1990 à 2010, notre article a pour objectif de présenter les modèles DLS et DER et de préciser leurs limites, d’exposer l’état des connaissances concernant l’effet sur la santé mentale des facteurs psychosociaux de trois modèles émergents (la justice organisationnelle, le leadership, et la prévisibilité – ou prédictabilité – au travail), et de déterminer si ces effets sont indépendants des modèles DLS et DER. Les résultats des études démontrent que les facteurs psychosociaux mesurés par le modèle de la justice organisationnelle ont des effets délétères sur la santé mentale, indépendamment des modèles DLS et DER. Des effets négatifs du leadership et de la prévisibilité sur la santé mentale ont également été observés dans une majorité des études, mais le nombre limité d’études prospectives ne permet pas de conclure de façon aussi assurée au statut explicatif de ces modèles. Quoi qu’il en soit, les modèles émergents permettent de mesurer certains facteurs psychosociaux non pris en compte par les modèles DLS et DER et nous semblent mériter d’être intégrés dans de futures études prospectives sur la santé au travail.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle