Economic Evaluation of Proactive PTSI Mitigation Programs for Public Safety Personnel and Frontline Healthcare Professionals: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Public safety personnel and frontline healthcare professionals are at increased risk of exposure to potentially psychologically traumatic events (PPTEs) and developing post-traumatic stress injuries (PTSIs, e.g., depression, anxiety) by the nature of their work. PTSI is also connected to increased absenteeism, suicidality, and performance decrements, which compromise occupational and public health and safety in trauma-exposed workers. There is limited evidence on the cost effectiveness of proactive "prevention" programs aimed at reducing the risk of PTSIs. The purpose of this meta-analysis is to measure the economic effectiveness of proactive PTSI mitigation programs among occupational groups exposed to frequent occupational PPTEs, focusing on the outcomes related to PTSI symptoms, absenteeism, and psychological wellness. Findings from 15 included studies demonstrate that proactive interventions can yield substantial economic and health benefits, with Return On Investment (ROI) values ranging widely from -20% to 3560%. Shorter interventions (≤6 months) often produced higher returns, while longer interventions (>12 months) showed more moderate or negative returns. Notably, the level at which an intervention is targeted significantly affects outcomes-programs aimed at managers, such as the 4 h RESPECT training course, demonstrated a high ROI and broad organizational impact by enhancing leadership support for employee mental health. Sensitivity analyses highlighted significant variability based on the organizational context, program design, and participant characteristics. The majority of proactive interventions successfully reduced psychological distress and enhanced workplace outcomes, although thoughtful consideration of program design and implementation context is essential.
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 | 0,011 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».