Les travailleurs victimes de lésions professionnelles : du processus d’indemnisation aux problèmes de santé mentale
Bibliographic record
Abstract
L’objectif principal de ce mémoire est de mieux comprendre le rôle des différents acteurs que rencontrent des travailleurs en arrêt de travail, en raison d’un accident survenu par le fait ou à l’occasion de leur travail, sur la trajectoire et la santé mentale de ceux-ci. Dans un deuxième temps, il est important de déterminer l’effet que peut avoir le soutien social sur le niveau de détresse psychologique ressenti par ces travailleurs. Pour réaliser cette recherche, des données ont été recueillies provenant d’entretiens réalisés auprès de patients d’une polyclinique à Montréal qui étaient en arrêt de travail. Basée sur un échantillon de 12 travailleurs, l’étude réalisée a révélé que les différents acteurs ont une influence sur la trajectoire de ces travailleurs et que plusieurs facteurs du soutien social ont un impact sur le niveau de bien-être ou de détresse psychologique ressentis. En effet, le fait d’avoir un soutien émotionnel, d’estime, d’affiliation, tangible, instrumental et/ou encore informationnel, d’être intégré socialement, d’avoir l’occasion de se sentir utile et nécessaire, de pouvoir confirmer sa valeur ainsi que d’obtenir de l’aide concrète et matérielle sont des facteurs du soutien social qui agissent comme protecteur contre la détresse psychologique. À l’inverse, le fait d’être en marge du marché du travail et de ne pas avoir accès à ces différentes formes de soutien ou simplement le fait de penser que c’est le cas sont des facteurs qui font augmenter significativement le niveau de détresse psychologique.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".