MétaCan
Menu
Retour à la cohorte
Enregistrement W2553779403 · doi:10.1097/jom.0000000000000866

Need for Recovery as an Early Sign of Depression Risk in a Working Population

2016· article· en· W2553779403 sur OpenAlexfundaboutno aff
Karen Nieuwenhuijsen, Judith K. Sluiter, Carolyn S. Dewa

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchLundbeck CanadaH. Lundbeck A/SPublic Health Agency of Canada
Mots-clésDepression (economics)Odds ratioConfidence intervalLogistic regressionJob strainPopulationMedicineMajor depressive episodeOddsPsychologyPsychiatryClinical psychologyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Insights into early indicators of depression in workers are needed to inform indicated depression prevention programs. This study looked at how a high Need for Recovery (NFR) is related to a higher likelihood of a depressive disorder. Second, the added value of considering NFR over traditional work-related risk factors for depression was investigated. METHODS: A cross-sectional population-based sample of 2188 Canadian workers measuring Job Strain, NFR, and Depression. Logistic regression of the risk of a depressive disorder was performed with Job Strain and NFR as predictors. RESULTS: An elevated depression risk high was associated with a high NFR [odds ratio (OR) 8.3, confidence interval (CI) 6.8 to 10.2], but not with high job strain (OR 1.0; CI 0.82 to 1.25). CONCLUSIONS: NFR may have value for indicated depression prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,369
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetWorkplace Health and Well-beingTravaux en français237 207