Young Workers' Responses to Mental Ill-Health in the Workplace
Notice bibliographique
Résumé
Young adults between the ages of 18 and 25 have the highest prevalence of mental ill-health in North America, which typically coincides with their career launches (National Institute of Mental Health, 2023; Substance Abuse and Mental Health Services Administration, 2023). Mental ill-health represents a state of severe functional impairment in everyday life, where an individual may qualify for a clinical diagnosis and their ability to work may be impacted (Kelloway et al., 2023; Keyes, 2002). The purpose of this research was to explore how young workers, at the beginning of their careers, describe their experiences with mental ill-health at work, how they respond to those challenges, and what that means for their work. Fifteen participants who self-identified as having mental ill-health in the workplace, either post-graduation or approaching graduation, were interviewed using a semi- structured protocol. Using reflexive thematic analysis, I identified four key themes. Most participants' mental ill-health tipping point stemmed from internal, external, and work-related factors. Participants had diverse decision-making processes for responding to mental ill-health at work, with most choosing to stay despite their mental health challenges. Notably, all participants — whether they stayed, quit, or took a leave of absence —reported mental health improvements attributed to learning to transition into the workforce, mitigate harmful workplace stressors, and cultivate realistic workplace expectations.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».