Psychosocial working conditions and the utilization of health care services
Notice bibliographique
Résumé
BACKGROUND: While there is considerable theoretical and empirical evidence on how job stress affects physical and mental health, few studies have examined the association between job related stress and health care utilization. Using data from the Canadian National Population Health Survey from 2000 to 2008, this paper examines the association between stressful working conditions, as measured by the job strain model, and the utilization of health care services. METHODS: A zero inflated negative binomial regression is used to examine the excess health care utilization due to job strain. Separate regressions are estimated for both males and females since studies have shown gender differences in health care utilization. RESULTS: Estimates for the whole population show that high or medium job strain has a positive and statistically significant association with the number of visits to both a general practitioner (GP) and a specialist (SP). On average, the number of GP visits is up to 26% more (IRR = 1.26, 95% CI = 1.19-1.31) for individuals with high strain jobs compared to those in the low job strain category. Similarly, SP visits are up to 27% more (IRR = 1.27, 95% CI = 1.14-142) for the high strain category. Results are quantitatively similar for males and females, save for medium strain. In general, findings are robust to the inclusion of workplace social support, health status, provincial and occupational-fixed effects. CONCLUSION: Job strain may be positively associated with the utilization of health care services. This suggests that improving psychosocial working conditions and educating workers on stress-coping mechanisms could be beneficial for the physical and mental health of workers.
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 | 0,005 | 0,000 |
| 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 | 0,000 | 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 ».