MétaCan
Menu
Retour à la cohorte
Enregistrement W2914984116 · doi:10.2486/indhealth.sw-5

Working Time Society consensus statements: Individual differences in shift work tolerance and recommendations for research and practice

2019· review· en· W2914984116 sur OpenAlexaff
Jennifer A. Ritonja, Kristan J. Aronson, Raymond W. Matthews, Diane B. Boivin, Thomas Kantermann

Notice bibliographique

RevueIndustrial Health · 2019
Typereview
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensMcGill UniversityDouglas Mental Health University InstituteQueen's University
Organismes subventionnairesnon disponible
Mots-clésShift workParadigm shiftHarmFlexibility (engineering)Work (physics)PsychologyMedicineSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

There is no standard definition of shift work universally, and no validated report of complete biological adjustment to shift work in workers. Similarly, the evidence for shift work tolerance is limited due to a small number of studies and a narrow range of outcome measures. This paper discusses evidence to date regarding individual differences in shift work tolerance and highlights areas for future research and recommendations for workplace practice. The few factors that are consistently associated with perceived or actual shift work tolerance are young age, low scores of morningness or being a late chronotype, low scores of languidity and neuroticism, high scores on extraversion, internal locus of control and flexibility and male sex. An important first step is to differentiate between factors that are potentially modifiable, such as those that are determined by lifestyle choices, and those factors specific to the working time arrangement. Identifying determinants of shift work tolerance and the ability to adjust to shift work, whether they are innate and/or acquired mechanisms, is important so workers who are less likely to tolerate shift work well can be self-identified and supported with appropriate harm/risk minimization strategies. This paper also identifies important areas for future research with the goal of increasing the evidence base on which we can develop evidence-based harm mitigation strategies for shift workers.

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)0,082
score de la tête « metaresearch » (Gemma)0,114
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,436

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,114
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0130,009
Études des sciences et des technologies0,0020,004
Communication savante0,0060,007
Science ouverte0,0100,008
Intégrité de la recherche0,0110,015
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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 Opus0,695
Tête enseignante GPT0,577
Écart entre enseignants0,118 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial HealthMême sujetSleep and Work-Related FatigueTravaux en français237 207