Impact of common mental disorders on sickness absence in an occupational cohort study
Notice bibliographique
Résumé
OBJECTIVES: Common mental disorders are associated with impaired functioning and sickness absence. We examine whether sub-clinical as well as clinical psychiatric morbidity predict long spells of sickness absence for both psychiatric and non-psychiatric illness. We also examine whether recent common mental disorders and those present on two occasions have a stronger association with sickness absence than less recent and single episodes of disorder. METHODS: Common mental disorders measured by the General Health Questionnaire were linked with long spells of sickness absence in 5104 civil servants from the longitudinal Whitehall II Study. Negative binomial models were used to estimate rate ratios for long spells of sickness absence with and without a psychiatric diagnosis (mean follow-up 5.3 years). RESULTS: Clinical but not sub-threshold common mental disorders were associated with increased risk of long spells of psychiatric sickness absence for men, but not for women, after adjusting for covariates (rate ratios (RR) 1.67, 95% CI 1.13 to 2.46). Risk of psychiatric sickness absence was associated with recent common mental disorders (RR 2.08, 95% CI 1.29 to 3.35) and disorder present on two occasions (RR 1.65, 95% CI 0.98 to 2.71) for men only. Common mental disorders were not associated with increased risk of non-psychiatric sickness absence after adjustment for covariates. CONCLUSIONS: Identification and treatment of common mental disorders may reduce the economic burden of long term psychiatric sickness absence. Our results suggest that public health and clinical services should focus on the identification of workers with elevated mental health symptoms. Studies are needed of the efficacy of early identification and management of mental health symptoms for the prevention of long spells of sickness absence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».