Global patterns of workplace productivity for people with depression: absenteeism and presenteeism costs across eight diverse countries
Notice bibliographique
Résumé
PURPOSE: Depression is a leading cause of disability worldwide. Research suggests that by far, the greatest contributor to the overall economic impact of depression is loss in productivity; however, there is very little research on the costs of depression outside of Western high-income countries. Thus, this study examines the impact of depression on workplace productivity across eight diverse countries. METHODS: We estimated the extent and costs of depression-related absenteeism and presenteeism in the workplace across eight countries: Brazil, Canada, China, Japan, South Korea, Mexico, South Africa, and the USA. We also examined the individual, workplace, and societal factors associated with lower productivity. RESULTS: To the best of our knowledge, this is the first study to examine the impact of depression on workplace productivity across a diverse set of countries, in terms of both culture and GDP. Mean annual per person costs for absenteeism were lowest in South Korea at $181 and highest in Japan ($2674). Mean presenteeism costs per person were highest in the USA ($5524) and Brazil ($5788). Costs associated with presenteeism tended to be 5-10 times higher than those associated with absenteeism. CONCLUSIONS: These findings suggest that the impact of depression in the workplace is considerable across all countries, both in absolute monetary terms and in relation to proportion of country GDP. Overall, depression is an issue deserving much greater attention, regardless of a country's economic development, national income or culture.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».