MétaCan
Menu
Retour à la cohorte
Enregistrement W1965680795 · doi:10.1136/jech.2003.016634

Psychosocial factors and work related sickness absence among permanent and non-permanent employees

2004· article· en· W1965680795 sur OpenAlexaff
David Gimeno, Fernando G. Benavides, Benjamin C. Amick, Joan Benach, José Miguel Martı́nez

Notice bibliographique

RevueJournal of Epidemiology & Community Health · 2004
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensInstitute for Work & Health
Organismes subventionnairesUniversitat Pompeu Fabra
Mots-clésPsychosocialMedicineJob controlJob strainPoisson regressionEuropean unionTemporary workPopulationOccupational safety and healthSick leaveWork (physics)DemographyGerontologyEnvironmental healthPsychiatryPhysical therapy

Résumé

récupéré en direct d'OpenAlex

STUDY OBJECTIVE: To examine the association between psychosocial work factors and work related sickness absence among permanent and non-permanent employees by sex. DESIGN: A cross sectional survey conducted in 2000 of a representative sample of the European Union total active population, aged 15 years and older. The independent variables were psychological job demands and job control as measures of psychosocial work environment, and work related sickness absence as the main outcome. Poisson regression models were used to compute sickness absence days' rate ratios. SETTING: 15 countries of the European Union. PARTICIPANTS: A sample of permanent (n = 12 875) and non-permanent (n = 1203) workers from the Third European Survey on Working Conditions. RESULTS: High psychological job demands, low job control, and high strain and passive work were associated with higher work related sickness absence. The risks were more pronounced in non-permanent compared with permanent employees and men compared with women. CONCLUSIONS: This work extends previous research on employment contracts and sickness absence, suggesting different effects depending on psychosocial working conditions and sex.

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)0,012
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,006
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 Opus0,067
Tête enseignante GPT0,424
Écart entre enseignants0,357 · 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.

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

Citations117
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology & Community HealthMême sujetWorkplace Health and Well-beingTravaux en français237 207