Sickness absence with common mental disorders and antidepressant prescriptions across different employment branches during as compared to before the Covid-19 pandemic—an observational study covering the Swedish population aged 18–65 years
Notice bibliographique
Résumé
Few studies have examined the implications of the Covid-19 pandemic on mental health across different employment branches. This study investigated the impact of the pandemic on long-term sickness absence (SA) with common mental disorders (CMDs) and antidepressant prescriptions in different employment branches and age groups in Sweden. Using national registers, we observed the Swedish population (18-65 years) with gainful employment quarterly from 2018 to 2021. An interrupted time-series design was employed to examine changes in trends of incidence rates (IRs) for (i) long-term (>90 days) SA with CMDs and for (ii) antidepressant prescriptions across eight employment branches during versus pre-pandemic. Analyses were stratified by age group. There was no evidence of outcome changes in the entire working age population. However, compared to pre-pandemic levels, the IRs of long-term SA with CMD increased by 5.9% per quarter for those working in the cultural sector [95% confidence interval (CI): 2.2%-9.8%], 3.4% in trade and transportation (95% CI: 0.4%-6.4%), and 5.5% in manufacturing and services (95% CI: 1.5%-9.7%) as well as among individuals aged 56-64. Incident antidepressant prescription rates were marginally higher for workers in construction (1.1% annual increase; 95% CI: 0.1%-2.1%), culture (1.4%; 0.7%-2.0%), and trade and transportation (0.9%; 0.1%-1.7%). While the risk of CMD-related long-term SA or incident antidepressant prescription in Swedish workers did not appear to be impacted by the pandemic, certain employment branches and older individuals were negatively affected in terms of both outcomes. Targeted countermeasures and initiatives to improve well-being are necessary for vulnerable groups.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».