Occupational health impact of the 2009 H1N1 flu pandemic: surveillance of sickness absence
Notice bibliographique
Résumé
OBJECTIVES: Workplace absences due to illness can disrupt usual operations and increase costs for businesses. This study of sickness absence due to influenza and influenza-related illness presents a unique opportunity to characterise and measure the impact of the 2009 (H1N1) pandemic, by comparing trends during the pandemic to those of previous years, and adding this information to that obtained by traditional epidemiological surveillance systems. METHODS: We compared the numbers of cases of sickness absence due to illness caused by influenza and influenza-related illness in 2007-2009, and in the first 3 months of 2010 in Catalonia (n=811 940) using a time series approach. Trends were examined by economic activity, age and gender. The weekly endemic-epidemic index (EEI) was calculated and its 95% CI obtained with the delta method, with observed and expected cases considered as independent random variables. RESULTS: Influenza activity peaked earlier in 2009 and yielded more cases than in previous years. Week 46 (in November 2009) had the highest number of new cases resulting in sickness absence (EEI 20.99; 95% CI 9.44 to 46.69). Women and the 'education, health and other social activities' sector were the most affected. CONCLUSIONS: Results indicate that the new H1N1 pandemic had a significant impact on business, with shifts in the timing of peak incidence, a doubling in the number of cases, and changes in the distribution of cases by economic activity sector and gender. Traditional epidemiological surveillance systems could benefit from the addition of information based on sickness absence data.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».