Comprendre les facteurs associés aux problèmes de santé physique et mentale dans le secteur de la santé au Québec
Notice bibliographique
Résumé
Au Québec, près de 340 000 personnes travaillent dans le réseau de la santé et des services sociaux. En date du 7 mai 2022, 60 000 d’entre elles étaient temporairement absentes du travail comme le révèle le Tableau de bord du ministère de la Santé et des Services sociaux. Plusieurs responsables et porte-paroles du milieu ont exprimé leurs inquiétudes de ne pas pouvoir assurer des services sécuritaires à la population, surtout à l’approche de l’été. Les gestionnaires au sein du réseau sont donc confrontés aux défis d’optimiser la santé de la population et assurer la présence au travail d’une main-d’œuvre généralement plus âgée que dans d’autres secteurs. Cette main-d’œuvre plus âgée présente des risques accrus de problèmes de santé et d’absentéisme. Les personnes de 45 ans et plus sont notamment surreprésentées parmi les personnes souffrant de douleurs musculosquelettiques et celles touchées par l’épuisement professionnel. Quels sont les leviers à mobiliser pour répondre à ces enjeux de santé au travail ? Cette étude de Carl-Ardy Dubois, Doyen et professeur titulaire à l’École de santé publique de l’Université de Montréal et Chercheur CIRANO, réalisée en collaboration avec cinq autres experts, fournit des réponses en s’appuyant sur un riche cadre d’analyse qui permet d’identifier les meilleures pistes d’action pour répondre aux défis qui se posent. En matière de prévention, les auteurs concluent qu’au-delà des interventions de nature simplement cognitive ou comportementale, il faut envisager des interventions plus étendues visant à adapter les conditions organisationnelles et l’environnement psychosocial de travail. Les organisations peuvent agir en créant des conditions et contextes de travail favorables : avoir une plus grande latitude décisionnelle dans l’exercice de son travail et bénéficier de soutien de ses pairs agissent comme des facteurs protecteurs qui réduisent les risques de troubles musculosquelettiques et de problèmes de santé mentale et psychologique au travail.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».