Impact of Diabetes Mellitus on Occupational Health Outcomes in Canada
Notice bibliographique
Résumé
BACKGROUND: Research suggests that diabetes mellitus (DM) has a negative impact on employment and workplace injury, but there is little data within the Canadian context. OBJECTIVE: To determine if DM has an impact on various occupational health outcomes using the Canadian Community Health Survey (CCHS). METHODS: CCHS data between 2001 and 2014 were used to assess the relationships between DM and various occupational health outcomes. The final sample size for the 14-year study period was 505 606, which represented 159 432 239 employed Canadians aged 15-75 years during this period. RESULTS: We found significant associations between people with diabetes and their type of occupation (business, finance, administration: 2009, p=0.002; 2010, p=0.002; trades, transportation, equipment: 2008, p=0.025; 2011, p=0.002; primary industry, processing, manufacturing, utility: 2013, p=0.018), reasons for missing work (looking for work: 2001, p=0.024; school or education: 2003, p=0.04; family responsibilities: 2014, p=0.015; other reasons: 2001, p<0.001; 2003, p<0.001; 2010, p=0.015), the number of work days missed (2010, 3 days, p=0.033; 4 days, p=0.038; 11 days, p<0.001; 24 days, p<0.001), and work-related injuries (traveling to and from work: 2014, p=0.003; working at a job or business: 2009, p=0.021; 2014, p=0.001). CONCLUSION: DM is associated with various occupational health outcomes, including work-related injury, work loss productivity, and occupation type. This allows stakeholders to assess the impact of DM on health outcomes in workplace.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».