Mental health outcomes among urban public transport workers: A systematic literature review
Notice bibliographique
Résumé
Although abundant evidence suggests that Urban Public Transport (UPT) workers are at high risk of poor mental health, there is no consensus on the exposures that explain these outcomes, nor on the effectiveness of mental health interventions in this occupational group. This study aims to systematically review the literature on the mental health of UPT workers to assess the effects of occupational exposures and interventions. A systematic review was conducted following the PRISMA guidelines. The literature search was performed from 1990 to December 2021 in three databases (PubMed, Scopus, and the Web of Science). The included observational, experimental, intervention and qualitative studies were critically appraised and assessed for risk of bias. A narrative evidence synthesis was conducted by mental health outcomes, occupational exposures, and intervention categories. The database search yielded 1383 records. A total of 83 studies (49 cross-sectional, 8 longitudinal, 8 experiments, 7 interventions, and 11 qualitative) met the inclusion criteria. Bus drivers were the most studied population, followed by metro and train drivers. The included studies covered eleven mental health outcomes: sleep problems, fatigue and recovery needs, alcohol and substance use, PTSD, panic disorders, depression, anxiety, psychopathology symptoms, psychosomatic symptoms, and psychological stress. Work organization-related stressors (work content, workload and pace, working hours, participation and control, career development, status and salary, role in the organization, and interpersonal relationships) and occupational safety risks are the main predictors of negative mental health outcomes. Most intervention studies focus on the management of PTSD symptoms of UPT workers exposed to safety hazards. The results of this review contribute to the consensus on the antecedents of negative mental health outcomes among UPT workers, as well as to the identification of intervention targets and promising research lines for the development of this study field.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».