Predicting Cardiovascular Disease from Psychosocial Safety Climate: A Prospective Cohort Study from Australia
Notice bibliographique
Résumé
Abstract: Cardiovascular Disease (CVD) is the most prevalent disease worldwide, which has been linked to work stress because of poor job design as explained by the Job Demand-Control (JDC) and the Effort-Reward Imbalance (ERI) models. In this paper we explore for the first time relative impact of a specific aspect of organisational climate, Psychosocial Safety Climate (PSC), on any CVD including angina, myocardial infarction, hypertension, and stroke. We used two waves of interview data from Australia, with an average lag of 5 years (excluding baseline CVD, final n = 1223). Logistic regression was conducted to estimate the prospective associations between PSC at baseline on incident CVD at follow-up. It was found that participants in low PSC environments were 59% more likely to develop new CVD than those in high PSC environments. Logistic regression showed that PSC at baseline predicts lower CVD risk at follow-up (OR = 0.98, 95% CI 0.96-1.00), and this risk remained unchanged even after joint adjustment for measures of ERI and JDC. These results suggest that PSC is an independent risk factor for CVD in Australia. Beyond job design this study implicates organisational climate and prevailing management values regarding worker psychological health as the genesis of CVD.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».