Incidence rates of sickness absence related to mental disorders: a systematic literature review
Notice bibliographique
Résumé
BACKGROUND: Over the past decade, growing attention has been given to the mental health of workers. One way to examine the mental health of workers is to look at the incidence rates of mental illness-related sickness absence. There is a scarcity of literature in which the incidence rates of mental illness-related sickness absence among different countries have been considered together. The purpose of this systematic literature review is to address the question: Are there similarities and differences in the incidence rates of mental disorder-related sickness absence among and within OECD identified Social Democratic, Liberal and Latin American country categories? In this paper, we seek to identify differences and similarities in the literature rather than to explain them. With this review, we lay the groundwork for and point to areas for future research as well as to raise questions regarding reasons for the differences and similarities. METHODS: A systematic literature search of the following databases were performed: Medline Current, Medline In-process, PsycINFO, Econlit and Web of Science. The search period covered 2002-2013. The systematic literature search focused on working adults between 18-65 years old who had not retired and who had mental and/or substance abuse disorders. Intervention studies were excluded. The search focused on medically certified sickness absences. RESULTS: A total of 3,818 unique citations were identified. Of these, 10 studies met the inclusion/exclusion criteria; six were from Social Democratic countries. Their quality ranged from good to excellent. There was variation in the incidence rates reported by the studies from the Social Democratic, Liberal and Latin American countries in this review. CONCLUSIONS: The results of this systematic review suggest that this is an emerging area of inquiry that needs to continue to grow. Priority areas to support growth include cross jurisdictional collaboration and development of a typology characterizing the benefit generosity and work integration policies of sickness absence schemes. Finally, the literature should be updated to reflect changes in sickness absence benefit schemes over time.
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 | 0,017 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».