MétaCan
Menu
Retour à la cohorte
Enregistrement W2080241048 · doi:10.12927/hcpap.2011.22412

Advancing Research on Mental Health in the Workplace

2011· article· en· W2080241048 sur OpenAlexaffvenueabout
Erica Di Ruggiero, Zena Sharman

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensInstitute of Gender and HealthCanadian Institutes of Health ResearchInstitute of Population and Public Health
Organismes subventionnairesnon disponible
Mots-clésMental healthMultidisciplinary approachMandatePsychological interventionPublic healthPsychologyPopulationPublic relationsGerontologyMedicineNursingSociologyPolitical scienceEnvironmental healthPsychiatrySocial science

Résumé

récupéré en direct d'OpenAlex

The social and physical conditions under which people work have been demonstrated in several studies to have a direct impact on disease, injury, disability and health-related outcomes in workers.Of increasing interest is the relationship between mental health and conditions at work and the related economic, social, legal and health-related consequences.In their review of the literature, Dewa and colleagues (2010) noted, mental health AbstrAct A complex topic like workplace mental health requires multidisciplinary, multi-sectoral, mixed methods research and effective knowledge translation of research findings.In this commentary, two of the 13 institutes that comprise the Canadian Institutes of Health Research -the institute of Gender and Health and the Institute of Population and Public Health -discuss strategies for advancing research on mental health and the workplace.With a focus on each Institute's mandate, the commentary argues that there is a need to advance our understanding of how biological, social, cultural and environmental determinants of workplace mental health are influenced by sex and gender, and of how population health intervention research can generate evidence that will strengthen the impact of workplace interventions to reduce mental illness.

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)0,055
score de la tête « metaresearch » (Gemma)0,116
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,289

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,116
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0140,030
Communication savante0,0110,012
Science ouverte0,0050,007
Intégrité de la recherche0,0230,019
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,147
Tête enseignante GPT0,463
Écart entre enseignants0,316 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetWorkplace Health and Well-beingTravaux en français237 207