Going to work ill: A meta-analysis of the correlates of presenteeism and a dual-path model.
Notice bibliographique
Résumé
Interest in presenteeism, attending work while ill, has flourished in light of its consequences for individual well-being and organizational productivity. Our goal was to identify its most significant causes and correlates by quantitatively summarizing the extant research. Additionally, we built an empirical model of some key correlates and compared the etiology of presenteeism versus absenteeism. We used meta-analysis (in total, K = 109 samples, N = 175,965) to investigate the correlates of presenteeism and meta-analytic structural equation modeling to test the empirical model. Salient correlates of working while ill included general ill health, constraints on absenteeism (e.g., strict absence policies, job insecurity), elevated job demands and felt stress, lack of job and personal resources (e.g., low support and low optimism), negative relational experiences (e.g., perceived discrimination), and positive attitudes (satisfaction, engagement, and commitment). Moreover, our dual process model clarified how job demands and job and personal resources elicit presenteeism via both health impairment and motivational paths, and they explained more variation in presenteeism than absenteeism. The study sheds light on the controversial act of presenteeism, uncovering both positive and negative underlying mechanisms. The greater variance explained in presenteeism as opposed to absenteeism underlines the opportunities for researchers to meaningfully investigate the behavior and for organizations to manage it. (PsycINFO Database Record
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 | 0,025 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,036 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».