MétaCan
Menu
Retour à la cohorte
Enregistrement W2754857983 · doi:10.1186/s12889-017-4722-9

Evaluation of caregiver-friendly workplace policy (CFWPs) interventions on the health of full-time caregiver employees (CEs): implementation and cost-benefit analysis

2017· article· en· W2754857983 sur OpenAlexafffundabout
Allison Williams, Emile Tompa, Donna S. Lero, Janet Fast, Amin Yazdani, Işık U. Zeytinoglu

Notice bibliographique

RevueBMC Public Health · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversity of WaterlooConestoga CollegeUniversity of AlbertaUniversity of GuelphInstitute for Work & HealthUniversity of TorontoMcMaster University
Organismes subventionnairesInstitute of Gender and HealthCanadian Institutes of Health Research
Mots-clésPsychosocialPsychological interventionIntervention (counseling)Mental healthHealth policyMedicineNursingPublic healthBusinessPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Current Canadian evidence illustrating the health benefits and cost-effectiveness of caregiver-friendly workplace policies is needed if Canadian employers are to adopt and integrate caregiver-friendly workplace policies into their employment practices. The goal of this three-year, three study research project is to provide such evidence for the auto manufacturing and educational services sectors. The research questions being addressed are: What are the impacts for employers (economic) and workers (health) of caregiver-friendly workplace policy intervention(s) for full-time caregiver-employees? What are the impacts for employers, workers and society of the caregiver-friendly workplace policy intervention(s) in each participating workplace? What contextual factors impact the successful implementation of caregiver-friendly workplace policy intervention(s)? METHODS: Using a pre-post-test comparative case study design, Study A will determine the effectiveness of newly implemented caregiver-friendly workplace policy intervention(s) across two workplaces to determine impacts on caregiver-employee health. A quasi-experimental pre-post design will allow the caregiver-friendly workplace policy intervention(s) to be tested with respect to potential impacts on health, and specifically on caregiver employee mental, psychosocial, and physical health. Framed within a comparative case study design, Study B will utilize cost-benefit and cost-effectiveness analysis approaches to evaluate the economic impacts of the caregiver-friendly workplace policy intervention(s) for each of the two participating workplaces. Framed within a comparative case study design, Study C will undertake an implementation analysis of the caregiver-friendly workplace policy intervention(s) in each participating workplace in order to determine: the degree of support for the intervention(s) (reflected in the workplace culture); how sex and gender are implicated; co-workers' responses to the chosen intervention(s), and; other nuances at play. It is hypothesized that the benefits of the caregiver-friendly workplace policy intervention(s) will include improvements in caregiver-employees' mental, psychosocial and physical health, as well as evidence of cost-benefit and cost-effectiveness for the employer. DISCUSSION: The expected project results will provide the research evidence for extensive knowledge translation work, to be carried out in collaboration with our knowledge transition partners, to the employer/human resources and occupational health/safety target populations. TRIAL REGISTRATION: ISRCTN16187974 Registered August 25, 2016.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,252

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,125
Tête enseignante GPT0,487
Écart entre enseignants0,361 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetWorkplace Health and Well-beingTravaux en français237 207