MétaCan
Menu
Retour à la cohorte
Enregistrement W2042716155 · doi:10.1097/jom.0b013e3181ed3d80

Workplace Characteristics, Depression, and Health-Related Presenteeism in a General Population Sample

2010· article· en· W2042716155 sur OpenAlexafffundabout
JianLi Wang, Norbert Schmitz, Elizabeth Smailes, Jitender Sareen, Scott B. Patten

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPresenteeismPsychosocialJob strainDepression (economics)Affect (linguistics)PopulationJob performancePsychologyMedicineOccupational safety and healthJob satisfactionGerontologyAbsenteeismEnvironmental healthPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To investigate the relationships between workplace psychosocial factors, work/family conflicts, depression, and health-related presenteeism in a sample of employees who were randomly selected from the communities. METHODS: A cross-sectional study of 4032 employees representative of the working population aged 25 to 64 years in Alberta, Canada. Data about workplace characteristics, depression, and health-related presenteeism were collected through telephone. RESULTS: In the participants, 47.3% and 42.9% reported some degree of impaired job performance in completing work and avoiding distraction, respectively. Major depression is the strongest factor associated with avoiding distraction. Job strain and effort-reward imbalance seemed to affect job performance through severity of depression but not major depression. CONCLUSIONS: Negative work environment may directly and indirectly affect job performance. Workplace health promotion activities should target organizational factors such as job strain and effort-reward imbalance and work/family conflicts so as to reduce the risk of depression and the direct and indirect effects of these risk factors and depression on productivity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,122
Score d'incertitude au seuil0,243

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,365
Écart entre enseignants0,338 · 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 source (Gemma direct ou Codex distillé), 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

Citations85
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

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