A review of best work-absence management and return-to-work practices for workers with musculoskeletal or common mental disorders
Notice bibliographique
Résumé
BACKGROUND: Workplace absenteeism is still a curse for developed countries, and more systematic practices need to be adopted to address this issue. OBJECTIVE: To review the literature on best practices for managing work absences related to musculoskeletal or common mental disorders. METHODS: A review was conducted by performing a search in bibliographic databases and on work-disability research institute websites. Recommendations regarding work-absence management and return-to-work practices were extracted from all the retained documents and organized within a chronological framework. RESULTS: In total, 17 documents were analyzed, leading to identification of common work-absence management and return-to-work practices, the importance of a worker support approach, and recommended roles and responsibilities for stakeholders. These practices were then integrated into a six-step process: (1) time off and recovery period; (2) initial contact with the worker; (3) evaluation of the worker and his job tasks; (4) development of a return-to-work plan with accommodations; (5) work resumption, and (6) follow-up of the return-to-work process. CONCLUSIONS: Based on this review, we constructed a comprehensive work-absence management and return-to-work process designed to assist organizations. Our results indicate that such a process must be included within a broader policy of health promotion and job retention. Adaptations will be required for implementation in the workplace.
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 | 0,012 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,024 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».