MétaCan
Menu
Retour à la cohorte
Enregistrement W1892869757 · doi:10.3233/wor-2012-1408

Work organisation conditions, alcohol misuse: The moderating role of personality traits

2013· article· en· W1892869757 sur OpenAlexaffabout
Sabine Saade, Alain Marchand

Notice bibliographique

RevueWork · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPsychologyBig Five personality traitsPersonalityModerationSocial psychologyMultilevel modelPopulationWork (physics)Environmental healthMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The moderating role of personality traits between work organization conditions and alcohol misuse by Canadian workers was examined. PARTICIPANTS: Longitudinal data came from Statistics Canada's National Population Health Survey (NPHS). METHODS: Data had a hierarchical structure and were analyzed using multilevel logistic regression models. RESULTS: The multilevel analyis revealed that skill utilisation at work increased by 7% the risk of being part of an alcohol misuse group. Similarly, psychological demands at work, and being confronted with an irregular work schedule increased alcohol misuse respectively by 69 and 611%. Inversely, workers confronted with a job insecurity and those benefitting from social support at work had a respective 12 and 5% lower risk of being part of an alcohol misuse group. As for personnality traits, self-esteem increased by 17% the risk of alcohol misuse, while sense of coherence decreased the risk by 1%. Finally, self-esteem moderated by 3% the impact of physical demands at work on workers'alcohol misuse. CONCLUSIONS: This study builds upon previous research, since no prior study was able to identify the moderating role that self-esteem plays between physical demands at work, and worker's alcohol misuse.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,361
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetWorkplace Health and Well-beingTravaux en français237 207