Comparison of data sets for surveillance of work-related injury in Victoria, Australia
Notice bibliographique
Résumé
OBJECTIVE: To investigate differences and similarities between three sources of work-related injury information: workers compensation claims, emergency department (ED) presentation data and hospital admissions data. METHODS: This population-based, retrospective descriptive analysis of non-fatal, work-related injuries of workforce participants in Victoria, Australia, has compared data from workers compensation claims and ED presentation and hospital admission data sets for the period 2004-2011. Work-related injury case frequency and rate were compared across study years according to gender, age, geographical location and injury type. Injury rates were expressed as cases per million hours worked. RESULTS: Rates of hospital admissions for treatment of work-related injury increased over the study period, compared with decreasing rates of injury in compensation claims and ED data. The highest rate of injuries to younger workers was captured in ED data. There was greater capture of musculoskeletal injuries by workers' compensation data, and of open wound and burn injury by the ED data. Broad similarities were noted for temporal trends according to gender, for the distribution of cases across older age groups and for rates of fracture injuries. CONCLUSIONS: These study findings inform use of workers' compensation, ED presentation and hospital admission data sets as sources of information for surveillance of work-related injuries in countries where these types of data are routinely collected. Choice of data source for investigation of work-related injury should take into consideration the population and injury types of interest.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».