MétaCan
Menu
Retour à la cohorte
Enregistrement W7161819748 · doi:10.82308/30398

COVID-19-related lost productivity measured by days missed from work by gender and role among students and employees in Canadian dental faculties

2025· dissertation· en· W7161819748 sur OpenAlexaboutno aff
Houda Feguery

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbsenteeismDescriptive statisticsBivariate analysisRegression analysisCohortWork (physics)Cohort studyLogistic regressionProductivity

Résumé

récupéré en direct d'OpenAlex

Background: During the COVID-19 pandemic, the dental workforce, including trainees, was at high risk of infection. Studies suggest that women faced a greater burden due to increased household and work responsibilities. However, few studies have examined work-related absenteeism in dental schools, particularly in relation to gender differences.Objectives: The study objectives were to a) estimate the difference in the proportion of days off work among women and men in a sample of students and staff in Canadian dental schools during the COVID-19 pandemic from April 2021 to April 2022; b) estimate the difference in the proportion of days off work among the students and employees during the same period. Methods: This study used a prospective cohort study database of 10 Canadian dental schools involving 600 participants (students, faculty, and staff) at baseline. Monthly self-reported online questionnaires were collected from April 2021 to April 2022. Data included demographics, work role, province, chronic conditions, COVID-19 infections and symptoms, time off work, vaccination, participation in dental care, exposures with co-workers, and COVID-19-related anxiety. To account for differing follow-up durations, days off work were calculated as a proportion of follow-up days. Descriptive statistics and bivariate tests compared mean proportions of days off work across covariate categories. Negative binomial regression was also used, adjusting for covariates and controlling for follow-up duration with an offset.Results: Participants had a mean age of 36 (SD=14.3) years, 66.8% were women, and 52.5% were students. A total of 44.3% did not complete all follow-up evaluations. Regression analysis showed that women reported 40% higher rates of missed workdays than men (IRRadj=1.4, 95% CI: 0.93–2.07), though this was not statistically significant. Students reported missing 70% fewer workdays than employees (IRRadj=0.3, 95% CI: 0.17–0.50).Conclusions: This prospective cohort study has significant implications for workplace policies. The higher reported absenteeism rates among women suggest a need for gender-sensitive workplace policies. The higher absenteeism among employees may be partially due to attrition as students graduated

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,333
Écart entre enseignants0,302 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDental Research and COVID-19Travaux en français237 207