Long working hours and depressive symptoms: systematic review and meta-analysis of published studies and unpublished individual participant data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives This systematic review and meta-analysis combined published study-level data and unpublished individual-participant data with the aim of quantifying the relation between long working hours and the onset of depressive symptoms. Methods We searched PubMed and Embase for published prospective cohort studies and included available cohorts with unpublished individual-participant data. We used a random-effects meta-analysis to calculate summary estimates across studies. Results We identified ten published cohort studies and included unpublished individual-participant data from 18 studies. In the majority of cohorts, long working hours was defined as working ≥55 hours per week. In multivariable-adjusted meta-analyses of 189 729 participants from 35 countries [96 275 men, 93 454 women, follow-up ranging from 1–5 years, 21 747 new-onset cases), there was an overall association of 1.14 (95% confidence interval (CI) 1.03–1.25] between long working hours and the onset of depressive symptoms, with significant evidence of heterogeneity (I 2 =45.1%, P=0.004). A moderate association between working hours and depressive symptoms was found in Asian countries (1.50, 95% CI 1.13–2.01), a weaker association in Europe (1.11, 95% CI 1.00–1.22), and no association in North America (0.97, 95% CI 0.70–1.34) or Australia (0.95, 95% CI 0.70–1.29). Differences by other characteristics were small. Conclusions This observational evidence suggests a moderate association between long working hours and onset of depressive symptoms in Asia and a small association in Europe.
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.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle