Taking Account of Gender Differences When Designing Interventions in Occupational Health? Lessons from a Study of the “Healthy Enterprise” Standard in Québec: Les différences de genre sont-elles prises en compte lors de la conception des interventions de prévention en santé au travail? Résultats d une étude sur la norme “Entreprises en Santé” dans les entreprises au Québec
Notice bibliographique
Résumé
The literature shows substantial differences in occupational exposures between men and women, both between and within occupations, but remains very sparse on whether interventions are tailored to gender differences in the workplace. Our objective was to determine whether gender differences are taken into account when designing prevention interventions. This study is part of a project on the evaluation of interventions implemented in the framework of the "Healthy Enterprise" standard in Quebec organizations. Three sets of quantitative and qualitative data were collected in seven organizations and triangulated. Our results show that in the process of elaborating and implementing activities, the main objectives were to reach a maximum number of workers and meet the needs identified in a health and risk diagnosis. Activities were not tailored to the needs of specific subgroups of employees, such as gender or age. Not distinguishing men's and women's situations in this diagnosis may play a role in intervention design. Résumé La littérature montre des différences d'exposition au travail importantes entre les hommes et les femmes, y compris à catégories d'emploi identiques. Les études sur l'adaptation des interventions de prévention aux différences de genre dans les milieux de travail sont quasiment inexistantes dans la littérature. Notre objectif était de déterminer dans quelle mesure les différences de genre sont prises en compte lors de la conception des interventions de prévention. Cette étude fait partie d'un projet d'évaluation des interventions mises en uvre dans le cadre de la norme «Entreprises en santéé au Québec. Trois séries de données quantitatives et qualitatives ont été collectées auprès de sept organisations et analysées par triangulation. Nos résultats montrent que lors du processus d'élaboration des activités, les principaux objectifs étaient d'atteindre un nombre maximal de travailleurs et de remplir les besoins identifiés dans le diagnostic des risques et de la santé des travailleurs. Le fait que la situation des hommes et des femmes n'ait pas été analysée séparément dans le diagnostic peut avoir joué un râle dans ce résultat. Les activités de prévention n'ont pas été conçues en tenant compte de sous-groupes de travailleurs en fonction du genre ou de l'âge.
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 | 0,040 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».