MétaCan
Menu
Retour à la cohorte
Enregistrement W4395101165 · doi:10.25145/j.cuidar.2023.03.11

Absentismo laboral. Una mirada a los accidentes de trabajo en España durante el periodo 2014-2022

2023· article· en· W4395101165 sur OpenAlexaff
Sara Lázaro Leal, Carmen Arroyo López, María de los Ángeles Leal Felipe, Alfonso Miguel García Hernández

Notice bibliographique

RevueCuidar Revista de Enfermería de la Universidad de La Laguna · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueStress and Burnout Research
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesnon disponible
Mots-clésAbsenteeismSick leaveDemographyFalling (accident)Occupational safety and healthHealth professionalsRest (music)MedicineGerontologyEnvironmental healthPsychologyHealth carePolitical sciencePhysical therapySociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

To know the evolution of the occupational accident rate in our country in the period 2014- 2022, and its impact on absenteeism due to temporary incapacity (TI). Conclusions: The impact of the covid-19 pandemic on the results of total absenteeism due to occupational accidents with sick leave is significant. This increase is mainly due to the increase in work accidents with sick leave in the group of Health Activities and in the group of Health Professionals, since accidents in itinere do not show significant increases in the years of pandemic compared to previous years. The number of sick days in health activities and in the group of health professionals increased significantly in the pandemic period. The group of professionals in the rest of the economic activities behaves differently in sick leave days than the rest of the groups with increases and decreases throughout the years. (Remember that we were in a period of confinement in a state of alarm: between March 14 and June 21, 2020).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,368
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCuidar Revista de Enfermería de la Universidad de La LagunaMême sujetStress and Burnout ResearchTravaux en français237 207