Psychosocial working conditions and sickness absence among younger employees in Denmark: a register-based cohort study using job exposure matrices
Notice bibliographique
Résumé
OBJECTIVE: Previous literature has established associations between psychosocial working conditions and sickness absence (SA), but only few studies have examined associations among younger employees. This study aimed to investigate associations between psychosocial working conditions and SA among employees, aged 15-30 years, who entered the labor market in Denmark between 2010 and 2018. METHOD: We followed 301 185 younger employees in registers for on average 2.6 years. Using job exposure matrices, we assessed job insecurity, quantitative demands, decision authority, job strain, emotional demands, and work-related physical violence. Adjusted rate ratios of SA spells of any length were estimated for women and men separately with Poisson models. RESULTS: Among women, employment in occupations with high quantitative demands, low decision authority, high job strain, high emotional demands, or high work-related physical violence was associated with higher rates of SA. Being employed in occupations with high versus low emotional demands showed the strongest association with SA, with a rate ratio of 1.44 [95% confidence interval (CI) 1.41-1.47]. Among men, being employed in occupations with low decision authority showed the strongest association with SA (1.34, 95% CI 1.31-1.37), whereas occupations with high quantitative demands, high job strain, and high emotional demands were associated with lower rates of SA. CONCLUSION: We found that several psychosocial working conditions were associated with SA spells of any length. Associations with SA spells of any length resemble associations with long-term SA, suggesting that results from previous studies on long-term SA may be generalizable to all lengths of SA among younger employees.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».