[Mental Health and Return/Integration to Work: International Concertation on Solutions and Priority Actions].
Notice bibliographique
Résumé
Introduction and Objective As part of the conference Crossed Perspectives on Mental Health and Return to Work, held in Montreal in 2021, a white paper was produced to highlight 10 solutions aimed at promoting mental health in the workplace and facilitating return to work (RTW). Examples include actions such as formalizing the RTW process with common guidelines for personalized follow-up, training managers on mental health prevention and employees support during their RTW, and generating evidence-based data to better understand and promote sustainable and healthy return to work after medical leave. Three years later, during a roundtable discussion at the inaugural conference of the International Community of Practice on Mental Health and Work (CoP-SMT in French), the objective was to revisit these solutions by engaging stakeholders involved in employee support and company representatives. Method During the round table, eight individuals holding executive positions in RTW services or management roles in public and private organizations from Belgium, France, and Quebec were invited to select one or two solutions from the white paper. They were asked to share which solutions they had implemented or wished to implement in their work contexts. Additionally, participants were encouraged to identify one or two priority actions they deemed essential for discussion at the next conference in 2027. A synthesis of their responses are presented as the outcome of this exercise. Results and Conclusions The results provide insight into current practices, challenges, and needs identified by the experts consulted, helping to outline research directions to support the implementation of practices/initiatives across different countries. These reflections also consider emerging responsibilities and evolving roles of various stakeholders involved. Notably, the concept of workplace mental health should extend beyond merely addressing psychosocial risk factors by incorporating protective factors as well.
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 | 0,020 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,014 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,007 |
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 ».