Sick leave or work sick? Examining the antecedents and conceptualizations of presenteeism and absenteeism among teleworkers during COVID-19: A scoping review
Notice bibliographique
Résumé
Many organizations have shifted to hybrid or remote work arrangements in response to the COVID-19 pandemic. Illness, whether physical or psychological, can manifest during telework (remote or home-based work), leading to presenteeism and absenteeism behaviour. However, varying definitions of presenteeism and absenteeism have made measuring presenteeism, absenteeism, and their antecedents increasingly challenging. This scoping study seeks to define presenteeism and absenteeism in the (tele)workplace and systematically identify the factors contributing to their occurrence. A systematic literature search was performed on seven online databases: MEDLINE, CINAHL, PsycINFO, ABI Inform Global, SCOPUS, Web of Science and Business Source Premier. We applied the PRISMA-ScR guidelines and Joanna Briggs Institute framework to systematically collect, identify, and report studies. The inclusion criteria encompassed studies with participants aged 18 to 65 years old who currently work in a telework environment for at least 50% of their work hours. Of 826 initially identified studies, 18 studies were included after screening (11 quantitative, three qualitative and two mixed-methods studies). A total of 26,805 workers were included in this review across 16 empirical studies. Overall, presenteeism is defined as working while ill, and absenteeism is known as being absent from work or taking sick leave. We identified three major categories for the antecedents of presenteeism and absenteeism behaviour: organizational (i.e., job demand and telework), environmental (i.e., work and home environment), and individual (i.e., poor mental health and job perception). Presenteeism and absenteeism among teleworkers manifest from organizational, environmental, and individual forces that lead to working while sick, or being absent from work, respectively. We found that each of these antecedents relates to one another through the social determinants of health framework. Our conceptual findings guide developing top-down organizational policies and strategies that address presenteeism and absenteeism behaviour, particularly in telework settings.
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 | 0,023 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,021 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».