8282319 Supporting prevention through measurement: dual-sample validation of the questionnaire on psychosocial risks, well-being, and health at work (QRBEST) in québec
Notice bibliographique
Résumé
Objective There is a growing need for accessible and scientifically robust tools to measure psychosocial risks at work (PRW), particularly considering evolving occupational health legislations and the diverse realities of workplaces, including those of small and medium-sized enterprises (SME). This study aims to evaluate the stability and psychometric properties of the French version of the Questionnaire on Psychosocial Risks, Well-being, and Health at Work (QRBEST) across two complementary samples, supporting its use as a valid tool to assess PRW and their associated outcomes. Methods A cross-sectional study was conducted with 3000 French-speaking workers from a large, demographically diverse populational panel that used quotas to reflect the sociodemographic characteristics of Québec’s working population as well as a second sample of 704 employees from eight Québec SMEs. Both samples completed the QRBEST, assessing 22 PRWs and 12 indicators of well-being, health, and productivity. Data collection took place from October-November 2024 for the panel and August-November 2024 for the SMEs (average participation rate: 72%). Psychometric analyses included internal consistency (Cronbach’s alpha), test-retest reliability (in panel only), item-total correlations, item response theory, and both exploratory and confirmatory factor analyses, conducted separately in both samples. Results In both samples, the QRBEST demonstrated strong psychometric properties. All multi-item scales showed good to excellent internal consistency (α>.75). Exploratory and confirmatory factor analyses supported the expected factor structures and showed excellent model fit (SRMR<0.08; GFI≈1), indicating that the QRBEST performs reliably across different workplace contexts. Conclusion The QRBEST is a scientifically robust instrument for assessing PRW and their associated outcomes. Its strong performance across both general and SME samples supports its practical use in diverse workplaces, making it suitable for a wide range of occupational settings and helping bridge the gap between risk identification and preventive action. Funding Fonds institutionnel de recherche de l’Université du Québec à Rimouski.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».