MétaCan
Menu
Retour à la cohorte
Enregistrement W2044042369 · doi:10.1108/17465729200600029

At work but ill: psychosocial work environment and well‐being determinants of presenteeism propensity

2006· article· en· W2044042369 sur OpenAlexaffabout
Caroline Biron, Jean‐Pierre Brun, Hans Ivers, Cary L. Cooper

Notice bibliographique

RevueJournal of Public Mental Health · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPresenteeismAbsenteeismPsychosocialMental healthWorkloadPsychologyMental illnessDistressMedicinePsychiatryClinical psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Many studies have shown that an unfavourable psychosocial environment increases the risk of mental and physical illness, as well as absenteeism, or sickness absence. However, more costly than absenteeism is presenteeism, where a person is present at work even though disabled by a mental or physical illness. We sought to identify factors explaining why workers would come to work even when their health is impaired. In a cross‐sectional design data were collected from 3825 employees of a Canadian organisation. The results show a high occurrence of presenteeism: workers went to work in spite of illness 50% of the time. Presenteeism propensity (the percentage of days worked while ill over total number of sick days) was higher for workers who were ill more often. Heavier workloads, higher skill discretion, harmonious relationships with colleagues, role conflict and precarious job status increased presenteeism, but decision authority did not. Workers reporting high psychological distress and more severe psychosomatic complaints were also more likely to report higher rates of presenteeism. These results suggest that stress research should not only include absenteeism as an outcome indicator, but also consider presenteeism.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,357
Écart entre enseignants0,318 · 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

Citations152
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Public Mental HealthMême sujetWorkplace Health and Well-beingTravaux en français237 207