MétaCan
Menu
Retour à la cohorte
Enregistrement W1964051997 · doi:10.1097/01.jom.0000177048.34506.fc

Lost Time, Absence Costs, and Reduced Productivity Output for Employees With Bipolar Disorder

2005· article· en· W1964051997 sur OpenAlexaff
Nathan L. Kleinman, Richard A. Brook, Krithika Rajagopalan, Harold H. Gardner, Truman J. Brizee, James E. Smeeding

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensAstraZeneca (Canada)
Organismes subventionnairesAstraZeneca
Mots-clésProductivityConfoundingMultivariate statisticsCohortMultivariate analysisMedicineDemographyWork (physics)PsychologyEconomicsInternal medicineStatisticsEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We sought to evaluate the incremental health-related lost work time and at-work productivity loss for employees with bipolar disorder (BPD). METHODS: Health-related absence and real productivity output of employees with BPD were compared with that of non-BPD and other employee cohorts from a large employer database using multivariate regression to control for cohort differences. RESULTS: After adjusting for confounding factors, employees with BPD had significantly higher absence costs (1,219 dollars) and 11.5 additional lost days (P<0.05) per year than those without BPD. Adjusted annual productivity output was 20% lower for the BPD group (P<0.05). CONCLUSIONS: Employees with BPD are less likely to be present for work. When present, their productivity level is similar to that of other employees, but over the course of a year, their absence rates result in significant productivity losses.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,297

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,337
Écart entre enseignants0,315 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations49
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetWorkplace Health and Well-beingTravaux en français237 207