Presenteeism in small and medium-sized enterprises: Determinants and impacts on health
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».