Effort-reward imbalance at work assessed at midlife and prediabetes prevalence assessed 18 years later in a prospective cohort of white-collar workers
Notice bibliographique
Résumé
OBJECTIVES: Evidence suggests that workers exposed to psychosocial stressors at work from the effort-reward imbalance (ERI) model are at increased risk for type 2 diabetes mellitus (T2DM). However, evidence about the effect of ERI on prediabetes is scarce. This study aimed to examine the association between effort-reward imbalance at work, glycated hemoglobin level and the prevalence of prediabetes in women and men from a prospective cohort study. METHODS: This study was conducted among 1354 white-collar workers followed for an average of 18 years. Effort-reward imbalance at work was measured in 1999 to 2001 using a validated instrument. Glycated hemoglobin was assessed at follow-up (2015 to 2018). Differences in mean glycated hemoglobin levels were estimated with linear models. Prediabetes prevalence ratios (PRs) were computed using robust Poisson regression models. RESULTS: In women, those exposed to effort-reward imbalance at work at baseline had a higher prevalence of prediabetes (PR = 1.60, 95% confidence interval: 1.02-2.49) at follow-up following adjustment for sociodemographic, lifestyle-related, clinical, and other occupational risk factors. There was no difference in mean glycated hemoglobin levels. CONCLUSION: Among women, effort-reward imbalance at work at midlife was associated with the prevalence of prediabetes, at older age. Preventive workplace interventions aiming to reduce the prevalence of effort-reward imbalance at work may be effective to reduce the prevalence of prediabetes among women.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».