Employers’ Response to Workers With Progressive Cognitive Impairment: A Systematic Literature Review
Notice bibliographique
Résumé
Abstract An aging workforce increases the risk of workers experiencing cognitive decline that may lead to a diagnosis of mild cognitive impairment or early onset dementia (MCI|EOD) while still employed. This systematic review explores the use of technologies (defined as any methods, processes, software, hardware or equipment) deployed by employers to accommodate, or build sustainable workspaces for, workers diagnosed with MCI|EOD. After screening 3,860 titles/abstracts and 67 full text reviews, we identified and analyzed eight articles that met our inclusion criteria. We found that: 1) The existing literature almost exclusively focuses on employees’ perspectives on the quality of work life when diagnosed with MCI|EOD, 2) Negative workspace culture toward employees’ cognitive decline, and the variability of disease onset and progression, may account for low employer awareness, 3) Employer responses focus on mitigation of risk associated with workers’ impairment. While this review demonstrates there is scant research exploring employers’ perspectives on employees diagnosed with MCI|EOD, there is even less that explores technologies designed to specifically address employers’ needs and challenges. Technology will increasingly facilitate early identification of progressive neuro-cognitive disorders, and tools to help employers respond to an employee’s MCI|EOD disclosure as a disability accommodation rather than a terminal performance management challenge. Empathic research, that engages organizations in the process of understanding the value of affordable, employer-side technologies that help build diverse, sustainable, productive workspaces is critical to a foundational understanding of our aging workforce and accommodating workers who develop MCI|EOD while still employed.
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 | 0,011 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».