Sickness absence due to common mental disorders among precarious and non-precarious workers
Notice bibliographique
Résumé
Abstract Background Mental health disorders have become one of the leading diagnoses causing sickness absence. Previous studies have examined the impact of single employment characteristics or working conditions on sickness absence. However, few studies have investigated the effect of a multidimensional construct of precarious employment on sickness absence. Therefore, this study aims to describe sickness absence due to common mental disorders (CMD) as a proxy for access to social security benefits among precarious and non-precarious workers with mental health problems. Methods Cohort register-based study of the total Swedish population aged 27 to 61 years residing in Sweden in 2016 and having mental health problems defined as being prescribed Selective Serotonin Reuptake Inhibitors (SSRI) in 2017 (N = 19,691). Individuals were classified as precariously employed or not based on a precarious employment score measured multidimensionally in 2016 (i.e., employment insecurity, income inadequacy, and lack of social protection). The outcome was the incidence of the first sickness absence episode due to CMD co-occurring with SSRI treatment in 2017. Logistic regression models will be performed. Results The following results are preliminary. Precariously employed treated with SSRI were 8,68% in 2017. The distribution of a first sickness absence episode due to common mental disorders was similar in precarious and non-precarious workers (12.35% and 12.42%, respectively). Individuals directly employed (12.20%), with multiple jobs holding (14.62%), and low-medium income levels (14%) had higher sickness absence incidence due to common mental disorders. There were slight differences by gender. Conclusions In these preliminary results, no differences were found between precarious and non-precarious workers with mental health problems in the distribution of sickness absence due to CMD. Further analysis will be conducted to investigate whether precarious employment is associated with sickness absences. Key messages
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».