Establishing work productivity loss norms: Absenteeism and presenteeism in a Canadian working population
Notice bibliographique
Résumé
Cost-effectiveness guidelines recommend including productivity losses in economic evaluations conducted from a societal perspective. However, work productivity loss estimates, including absenteeism and presenteeism, are lacking for a general working population. This limits the ability of researchers and decision makers to comprehensively evaluate the incremental costs of health conditions and the benefits of interventions. Using the 2022 Canadian Community Health Survey, absenteeism was measured using two recall periods (7 days and 3 months). Presenteeism behaviour was measured as days worked while sick, and the related productivity loss was measured using a 0-10 scale and an hours method. Absenteeism and presenteeism estimates in a representative Canadian working population (n=9,148) were reported by age, sex, health status, and chronic conditions. The 0-10 scale (4.89% (standard error: 0.27%)) generated a higher presenteeism productivity loss percentage than the hours method (1.73% (0.18%)). Females reported higher absenteeism in the past 3 months, higher presenteeism behaviour, and higher presenteeism loss percentage (the 0-10 scale) than males; ages 30-44 reported the highest presenteeism loss percentage using the scale method (5.11% (0.40%)), whereas ages 15-29 reported the highest loss percentage using the hours method (2.02% (0.61%)). Health status was inversely related to absenteeism in the past 3 months and to presenteeism behaviour and related productivity loss percentages across all methods. These results underscore that productivity loss estimates differ by recall period and measurement method. This study generated population norms for absenteeism and presenteeism that can serve as benchmarks for these outcomes among specific groups relative to the general population. • Productivity losses are key in economic evaluations from a societal perspective • Estimates of absenteeism and presenteeism varied by recall and measurement method • Females reported higher absenteeism and presenteeism behaviour in the past 3 months • Health status was inversely related to productivity losses • Established productivity loss norms can serve as benchmarks for comparison
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».