Healthy lifestyle of a scientist as a factor for professional longevity and efficiency
Notice bibliographique
Résumé
A study of the commitment of Russian scientists to a healthy lifestyle and an assessment of behavioral and social risk factors for reducing their professional activity was fulfilled. A cross-sectional study of a single-stage section of 213 researchers from state scientific institutions in Moscow was carried out. At the age of 23 to 78 years (mean age = 45.48 ± 15.33 years), 116 women, 97 men. It was found that in the group of Russian researchers about a quarter of the respondents did not follow the principles of a healthy lifestyle well enough (25.34%). The main problem was low physical activity, identified in 79.3% of the respondents, as well as: non-compliance with the principles of rational nutrition, primarily among scientists with a teaching load; low stress management skills among doctors who combine clinical practice with science; Difficulties in interpersonal relationships in people engaged only in scientific work. In addition, a high frequency of violations and problems that can lead to a decrease in professional effectiveness has been recorded. In 9.85%, probable cognitive impairments were detected, and not associated with the age of the scientist, in 3.28% there were signs of senile asthenia, in 2.34% – senile depression. Two-thirds lived in a sub-depressive state (74.6%). Only one fifth of the respondents (19.71%, n = 42) had no cognitive impairment, no asthenic syndrome, no depression. It was concluded that risk factors for reducing professional efficiency among scientists, such as: low physical activity, poor nutrition, low stress management skills, subdepressive state, are modifiable and can be corrected, which will lead to a lesser occurrence of asthenia and cognitive impairment. It is necessary to develop and implement programs for the prevention, early diagnosis and correction of risk factors among researchers in order to maintain their effectiveness in their work and prolong their professional longevity.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».