MétaCan
Menu
Retour à la cohorte
Enregistrement W6925064594 · doi:10.17026/dans-xqs-2veq

Eudaemonic bridges: Using an interdisciplinary approach to foster physical health and well-being in the workplace

2018· dataset· en· W6925064594 sur OpenAlexaff

Notice bibliographique

RevueDANS Data Station SSH · 2018
Typedataset
Langueen
DomaineComputer Science
ThématiqueEnvironmental Engineering and Cultural Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPresenteeismMental healthStructural equation modelingAnxietyProductivityWork (physics)Absenteeism

Résumé

récupéré en direct d'OpenAlex

Dataset for the paper entitled: Anxiety and the severity of Tension-Type Headache mediate the relation between headache presenteeism and workers’ productivity. - Under revision in PLOS One. Abstract: The primary objective of this study was to explore the mechanisms and conditions whereby Tension-Type Headache (TTH) presenteeism relates to health-related loss of productivity as a result of both reduced physical and mental health. To this end, Structural Equation Modeling (SEM) was used to conduct a secondary data analysis of a randomized clinical trial involving 78 Tension-type Headache (TTH) patients. The results showed that TTH presenteeism did not directly relate to health-related loss of productivity, either due to physical, or mental health problems. However, through anxiety-state, TTH presenteeism decreased patients’ productivity, as consequence of reduced physical and mental health. Moreover, by increasing the severity of the Tension-Type Headache, TTH presenteeism indirectly decreased patients’ productivity as consequence of reduced physical health (but not mental health). Finally, our results show that such indirect effects only occur when the cause of TTH is non-mechanical (e.g., hormonal causes, etc.). Our work provides an integrative model that can inform organizational behaviorists and health professionals (e.g., physiotherapists). Implications for organizational health are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,011

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,326
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDANS Data Station SSHMême sujetEnvironmental Engineering and Cultural StudiesTravaux en français237 207