MétaCan
Menu
Retour à la cohorte
Enregistrement W1970508251 · doi:10.1097/nna.0000000000000199

The Influence of Work Patterns on Indicators of Cardiometabolic Risk in Female Hospital Employees

2015· article· en· W1970508251 sur OpenAlexaboutno aff
Megan Kirk, Elizabeth G. VanDenKerkhof, Ian Janssen, Joan Tranmer

Notice bibliographique

RevueJONA The Journal of Nursing Administration · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOvertimeWorkforceWork (physics)MedicineShift workCross-sectional studyEnvironmental healthGerontologyNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study explored the associations between work patterns and indicators of cardiometabolic risk in female hospital employees. BACKGROUND: Aspects of work environments potentially influence the health of employees; however, we have a poor understanding of how different hospital work patterns contribute to cardiovascular risk in female employees. METHODS: We conducted a cross-sectional study of 466 female employees from 2 hospitals in Ontario. Data were collected through self-report, physical examination, and use of hospital administrative work data. RESULTS: In the adjusted analyses, full-time work status, extended shift length, and working 35 or more paid overtime hours per year were significantly associated with metabolic syndrome. CONCLUSIONS: Different work patterns increase cardiometabolic risk in female employees, suggesting a need to better monitor the health of the workforce and implement healthy workplace policy.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,020
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,395
Écart entre enseignants0,360 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJONA The Journal of Nursing AdministrationMême sujetWorkplace Health and Well-beingTravaux en français237 207