MétaCan
Menu
Retour à la cohorte
Enregistrement W4281737658 · doi:10.31234/osf.io/as2eb

Menstrual cycle-associated symptoms and workplace productivity in US employees: a cross-sectional survey of users of the Flo mobile phone app

2022· preprint· en· W4281737658 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueTechnostress in Professional Settings
Établissements canadiensOPKO Health (Canada)
Organismes subventionnairesnon disponible
Mots-clésMenstrual cycleAbsenteeismProductivityPsychological interventionMoodmHealthMedicinePsychologyEnvironmental healthGerontologyNursingClinical psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Background: Mood and physical symptoms related to the menstrual cycle greatly affect women’s productivity at work and often lead to absenteeism. However, employer-led initiatives to tackle these issues are lacking. Digital health interventions focused on women’s health (such as the Flo mobile phone app) could help fill this gap given their anonymity, scalability and accessibility. Objective: We aimed to 1) measure the impact of disturbances related to the menstrual cycle on work-related productivity in users of the Flo app; 2) characterize levels of support and benefits women receive in the workplace and 3) explore whether the Flo app could help mitigate the impact of issues related to the menstrual cycle on productivity and absenteeism. Methods: 1867 users of the Flo app participated in a survey exploring 1) the extent to which their menstrual cycle negatively impacts their workplace productivity, including whether menstrual cycle-related symptoms led to absence from work in the previous 12 months; 2) whether Flo users feel supported by their manager and whether they receive specific benefits regarding issues related to their cycle and 3) the role of Flo in the management of menstrual cycle symptoms, preparedness, bodily awareness, openness with others, perceived support and mood.Results: The majority of Flo users reported a moderate to severe impact of their cycle on workplace productivity. 45.2% of the respondents reported absenteeism, with an average of 5.8 days of work missed due to their cycle. 48.4% reported not receiving any support from their manager and 94.6% said they were not provided with any specific benefit for issues related to their menstrual cycle. 75.6% declared they want such benefits. Users stated that the Flo app helped them with the management of menstrual cycle symptoms (68.7%), preparedness and bodily awareness (88.7%), openness with others (52.5%) and feeling supported (77.6%). Furthermore, users who reported the most positive impact of the Flo app were 18-25% less likely to report an impact of their menstrual cycle on their productivity and 12-18% less likely to take days off work for issues related to their cycle.Conclusions: The menstrual cycle can have a significant effect on workplace productivity and absenteeism, and resources available to employees are scarce. Digital health apps, such as the Flo app, could equip individuals with tools to better cope with issues related to their menstrual cycle and facilitate discussions around menstrual health in the workplace.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,346
Écart entre enseignants0,322 · 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

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTechnostress in Professional SettingsTravaux en français237 207