He said, she said: Work, biopsychosocial, and lifestyle contributions to coronary heart disease risk.
Notice bibliographique
Résumé
OBJECTIVE: To test a model incorporating job characteristics, biopsychosocial, lifestyle, and nonmodifiable factors as they relate to coronary heart disease (CHD). Specifically, job characteristics and nonwork social ties (NWST) were examined as predictors of biopsychosocial health (BPSH), which was, in turn, expected to predict CHD directly and indirectly through influencing lifestyle. We also examined how age and family history of premature heart disease predicted objectively measured CHD risk. Within this model, sex differences were explored. METHOD: A structural equation modeling analysis of data from a cross-sectional sample of 541 employees (317 men and 224 women) taking part in a cross-organization workplace wellness program. T tests of sex differences were also conducted. RESULTS: Positive perceptions of job characteristics and NWST predicted positive BPSH. BPSH displayed no direct relationship to CHD risk, but positively predicted a healthier lifestyle. A healthier lifestyle was related to lower levels of CHD risk. Family history, but not age, was also useful in predicting CHD risk. Analyses indicated that men were significantly worse on all objective measures of CHD risk factors, but no other main effect sex differences were found. There were no differences between men and women in the relationships between variables. CONCLUSIONS: Adds to a body of literature indicating the importance of psychological components of the job in determining biopsychosocial health, and the importance of this variable in its impact on lifestyle decisions. The results support continued efforts to guide future interventions on lifestyle for both men and women.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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 ».