Examining the epidemiology of work-related traumatic brain injury through a sex/gender lens: analysis of workers’ compensation claims in Victoria, Australia
Notice bibliographique
Résumé
OBJECTIVES: To provide an overview of the epidemiology of work-related traumatic brain injury (wrTBI) in the state of Victoria, Australia. Specifically, we investigated sex differences in incidence, demographics, injury characteristics, in addition to outcomes associated with wrTBI. METHODS: This study involved secondary analysis of administrative workers' compensation claims data obtained from the Victorian WorkCover Authority for the period 2004-2011. Sex-specific and industry-specific rates of wrTBI were calculated using denominators derived from the Australian Bureau of Statistics. A descriptive analysis of all variables was conducted for the total wrTBI population and stratified by sex. RESULTS: Among 4186 wrTBI cases identified, 36.4% were females. The annual incidence of wrTBI was estimated at 19.8/100 000 workers. The rate for males was 1.43 (95% CI 1.35 to 1.53) times that for females, but the gap between the two sexes appeared to have narrowed over time. Compared to males, females were older at time of injury and had lower preinjury income. Males had higher rates than females across most industry sectors, with the exception of education/training (RR 0.77, 95% CI 0.64 to 0.93) and professional/scientific/technical services (RR 0.64, 95% CI 0.44 to 0.93). For both sexes, the most common injury mechanism was struck by/against, followed by falls. WrTBI among males was associated with longer duration of work disability and higher claim costs compared to females. CONCLUSIONS: This study found significant sex differences in various risk factors and outcomes of wrTBI. Sex/gender should be taken into consideration in future research and prevention strategies.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».