Presenteeism in small and medium-sized enterprises: Determinants and impacts on health
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
BACKGROUND: Small and medium sized enterprises are yet uncharted territory in terms of presenteeism. In addition, the Demand-Control-Support (DCS) and Siegrist's Effort-Reward Imbalance (ERI) models are proposed to predict stress-related health problems, but not for sickness behaviors such as presenteeism. OBJECTIVE: This study aims to examine the relationships between psychosocial risk factors, presenteeism, mental and physical health in the context of small and medium-sized enterprises (SMEs). This study also examines the moderating effect of company size on these associations. METHODS: To test the association between psychosocial risks, presenteeism, and health, only people working in small and medium-sized enterprises (SMEs) of between 2 and 199 employees were included in the sample, giving a total of 2,525 SME employees surveyed. To test the differences in exposure to psychosocial risk and presenteeism, and the moderating impact of size on the relationship between psychosocial risks, presenteeism, and health, we took the original sample (4608) of the EQCOTESST. RESULTS: The results confirm the associations between job demands, social support and effort-reward imbalance, and presenteeism. Also, the associations between presenteeism and health problems in SMEs' context. Multi-group analyses show that the business's size does not moderate the strength of the relationships between psychosocial risks, presenteeism and health. CONCLUSION: The current study highlights that SMEs are somehow protected from certain psychosocial constraints such as high job demands, and low social support, but are more exposed to others such as effort-reward imbalance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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