Predictive value of Heart Rate Variability measurements and the Brief Resilience Scale for workability and vitality
Notice bibliographique
Résumé
BACKGROUND: Sustainable employability is increasingly important with current socio-economic challenges. Screening for resilience could contribute to early detection of either a risk, or a protector for sustainable employability, the latter being operationalized as workability and vitality. OBJECTIVE: To study the predictive value of Heart Rate Variability (HRV) measurements and the Brief Resilience Scale (BRS) for worker self-reported workability and vitality after 2-4 years. METHODS: Prospective observational cohort study with mean follow-up period of 38 months. 1,624 workers (18-65 years old) in moderate and large companies participated. Resilience was measured by HRV (one-minute paced deep breathing protocol) and the BRS at baseline. Workability Index (WAI), and the Vitality dimension of the Utrecht Work Engagement Scale-9 (UWES-9-vitality) were the outcome measures. Backward stepwise multiple regression analysis (p < 0.05) was performed to evaluate the predictive value of resilience for workability and vitality, adjusted for body mass index, age and gender. RESULTS: N = 428 workers met inclusion criteria after follow-up. The contribution of resilience, measured with the BRS, was modest but statistically significant for the prediction of vitality (R2 = 7.3%) and workability (R2 = 9.2%). HRV did not contribute to prediction of workability or vitality. Age was the only significant covariate in the WAI model. CONCLUSION: Self-reported resilience modestly predicted workability and vitality after 2-4 years. Self-reported resilience may provide early insight into the ability of workers to stay at work, although caution must be applied because explained variance was modest. HRV was not predictive.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».