Le coût des lésions psychologiques liées au travail au Québec
Bibliographic record
Abstract
Cette étude présente une analyse statistique des coûts des lésions psychologiques liées au travail au Québec. Les coûts financiers et humains engendrés par les lésions psychologiques acceptées à la Commission des normes, de l'équité, de la santé et de la sécurité du travail (CNESST), survenues entre 2014 et 2019, ont été évalués à 1,01 milliard de dollars. Cela correspond à un coût annuel moyen de 169 millions de dollars et un coût moyen par lésion de 121 590 $. En dollars constants, les coûts annuels de ces lésions ont augmenté de 195 % sur les six années à l’étude.\nLes analyses descriptives ont permis d’identifier le stress post-traumatique comme étant la nature de la lésion la plus fréquente et aussi celle qui occasionne le plus de coûts, parmi les lésions psychologiques. Cependant, ce sont les cas de dépressions qui entraînent le coût moyen par lésion le plus élevé. L’exposition à des événements traumatisants constitue le genre d’accident ou d’exposition qui engendre le plus de coûts, tandis que le harcèlement psychologique est ce qui entraîne le coût moyen par lésion le plus élevé.\nL'industrie des soins de santé et assistance sociale subit le plus l’impact financier et humain des lésions psychologiques, avec des coûts totalisant 224 millions de dollars sur la période à l’étude, soit 22 % de l’ensemble des coûts des lésions psychologiques estimés. Suivent ensuite les secteurs du transport et de l’entreposage ainsi que les administrations publiques.\nLes professions les plus touchées varient considérablement selon le sexe. Pour les femmes, les trois professions générant le plus de coûts sont les caissières, les aides-infirmières et les éducatrices de personnes inadaptées. Pour les hommes, il s’agit plutôt des camionneurs, chauffeurs-livreurs, les gardiens et agents de sécurité, ainsi que les chauffeurs d’autobus.\nDes analyses de régressions linéaires multiples ont permis d’identifier plusieurs facteurs explicatifs du coût élevé associé aux lésions psychologiques. Parmi ces facteurs liés à des coûts plus élevés, on compte notamment le sexe, l’âge, la catégorie professionnelle ainsi que la taille de l’entreprise.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".