The annual costs of cardiovascular diseases and mental disorders attributable to job strain in France
Notice bibliographique
Résumé
BACKGROUND: Work stress has become a major occupational risk factor in industrialized countries and an important economic issue. The objective was to estimate the annual costs of coronary heart diseases (CHD) and mental disorders (MD) attributable to job strain exposure according to Karasek's model in France for the year 2003 from a societal perspective. METHODS: We produced attributable fraction estimates which were applied to the number of cases (morbidity and mortality) and the costs of CHD and MD. Relative risk estimates came from a systematic literature review of prospective studies. We conducted meta-analyses based on this selection of studies. Prevalence of exposure to job strain came from the national SUMER survey conducted in France in 2003. Costs included direct medical costs and indirect costs: production losses due to sick leaves and premature deaths. RESULTS: Between 8.8 and 10.2% of CHD morbidity was attributable to job strain, and between 9.4 and 11.2% of CHD mortality was attributable to this exposure for men. Between 15.2 and 19.8% of MD was attributable to job strain for men, and between 14.3 and 27.1% for women. As a whole, between 450 000 and 590 000 cases of diseases and 910-1130 deaths were attributable to job strain for men. From 730 000 to 1 380 000 cases of diseases and from 150 to 280 deaths were attributable to job strain for women. The total number of sick leave days amounted from 5 to 6.6 million days for men, and from 8.5 to 16 million days for women. The total costs of CHD and MD attributable to job strain exposure ranged from 1.8 to 3 billion euros for the year 2003 (0.12-0.19% GDP). Medical costs accounted for 11% of the total costs, value of life costs accounted for 13-15% and sick leave costs for 74-77%. The cost of CHD was estimated at 113-133 million euros and the cost of MD was between 1.7 - 2.8 billion euros in 2003. CONCLUSION: This study on the economic burden of diseases attributable to job strain in France provides relevant insights for policy-makers when defining public health priorities for prevention policies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».