Mental disorders in judicial workers: analysis of sickness absence in a cohort study
Notice bibliographique
Résumé
OBJECTIVE: To analyze risk factors for sickness absence due to mental disorders among judicial workers in Bahia, Brazil. METHODS: Retrospective cohort with follow-up from 2011 to 2016 with 2,660 workers of a judicial sector in Bahia, Brazil. The main outcome measures were survival curves estimated for the independent variables using the Kaplan-Meier product limit estimator and risk factors for the first episode of sickness absence calculated based on the Cox regression model. RESULTS: The survival estimate of the population of this study for the event was 0.90 and from the Cox model the risk factors for the first episode of sickness absence due to mental disorders were: female (HR = 1.81), occupation of magistrate (HR = 1.80), and age over 30 years old (HR = 1.84). In addition, the risk for new cases of sickness absence among women reached 4.0 times the risk for men, in 2015. The estimated relative risks of sickness absence and the observed survival reduction behavior over time add information to the literature on sociodemographic and occupational factors associated with sickness absence due to mental disorders in the public sector. CONCLUSION: These results highlight the need for further research to more precisely identify vulnerable groups at risk of preventable mental health-related sickness absence in the workplace, better identify the workplace organizational factors that contribute to these disorders as well as studies on the effectiveness of workplace interventions to improve mental health among judicial and other public sectors workers.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».