Occupational stress in industry setting in Benin 2019: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Occupational stress is a psychosocial risk in the workplace. Working conditions in industrial settings may lead to occupational stress. In Benin, however, there is little epidemiological data on occupational stress in industrial settings. We aimed to determine the prevalence and factors associated with occupational stress in industrial settings in Benin in 2019. METHODS: This was a prospective, cross-sectional study conducted from January 31 to April 11, 2019, among 15 cotton ginning plants. Sampling was exhaustive for permanent workers and stratified in clusters by shift for occasional cotton gin workers. Data were collected through Karasek and Siegrist questionnaires. Data analysis was performed using R software. Binary multivariable logistic regression was performed. The significance level was p < 0.05. RESULTS: Of 1883 workers included, 90.8% were male. The median age was 38 years (IQR: 28 years to 49 years). The prevalence of occupational stress was 77.7% (95% CI: 75.8-79.6). Psychological demand was high in 93.0% of workers and 83.9% had low decision latitude. Among the workers, 16.3% had low social support and 89.9% had a low recognition score at work. Factors associated with occupational stress were: being an occasional vs. permanent worker (aOR 6.43, 95% CI 4.18 to 9.88); age less than 38 years (aOR 0.55, 95% CI 0.41 to 0.76); high intensity physical activity at work (aOR 1.33, 95% CI 1.03 to 1.73); working in production vs. administration (aOR 1.59, 95% CI 1.03 to 2.45); spending fewer than 4 years at the current work location (aOR 1.60, 95% CI 1.05 to 2.44); and scoring low for recognition at work (aOR 1.53, 95% CI 1.04 to 2.23). Noise exposure and being a shift worker were significant in univariable analysis, but not multivariable analysis. CONCLUSION: Occupational stress is very common among workers in industrial settings. The implementation and evaluation of preventive measures against these risk factors is necessary.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».