Une typologie de la comorbidité en santé mentale au travail : résultats de l’étude SALVEO
Bibliographic record
Abstract
But Cette étude s’intéresse à la comorbidité en santé mentale au travail. Précisément, des liens concomitants entre l’épuisement professionnel (cynisme, épuisement émotionnel, inefficacité professionnelle) et la consommation de substances psychoactives (consommation d’alcool épisodique excessive, consommation hebdomadaire à risque d’alcool, consommation de médicaments psychotropes) sont examinés. Méthodes L’étude s’appuie sur des données transversales provenant de l’enquête SALVEO composée de 1966 travailleurs de la province du Québec, Canada. Des analyses en classes latentes ont été utilisées afin de dégager des profils types correspondant à des formes distinctes de comorbidité de santé mentale au travail. Des régressions multinomiales logistiques ont été effectuées sur les profils types en considérant des covariables issues de l’environnement de travail et hors travail, ainsi que des caractéristiques individuelles des travailleurs. Résultats Quatre profils types ont été identifiés : 1– « Épuisement professionnel sévère et consommation de médicaments psychotropes » ; 2– « Consommation d’alcool à risque et cynisme » ; 3– « Épuisement émotionnel et inefficacité professionnelle » ; et 4– « État relativement sain ». Comparativement à tous les profils types observés, celui associé au profil type « Épuisement professionnel sévère et consommation de médicaments psychotropes » présente le plus grand nombre de facteurs de risque cumulés (environnementaux, individuels). Conclusion La comorbidité en santé mentale au travail existe dans les milieux de travail québécois. La sévérité des différentes formes de comorbidité identifiées tend à refléter un effet cumulé de caractéristiques néfastes de l’environnement de travail et hors travail ainsi que des caractéristiques individuelles des travailleurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".