Researcher perspectives on competencies of return-to-work coordinators
Notice bibliographique
Résumé
PURPOSE: Return-to-work (RTW) coordination programs are successful in reducing long-term work disability, but research reports have not adequately described the role and competencies of the RTW coordinator. This study was conducted to clarify the impact of RTW coordinators, and competencies (knowledge, skills, and attitudes) required to achieve optimal RTW outcomes in injured workers. METHODS: Studies involving RTW coordination for injured workers were identified through literature review. Semi-structured interviews were conducted with 12 principal investigators to obtain detailed information about the RTW coordinator role and competencies not included in published articles. Interview results were synthesized into principal conceptual groups by affinity mapping. RESULTS: All investigators strongly endorsed the role of RTW coordinator as key to the program's success. Affinity mapping identified 10 groups of essential competencies: (1) individual traits/qualities, (2) relevant knowledge base, (3) RTW focus and attitude, (4) organizational/administrative skills, (5) assessment skills, (6) communication skills, (7) interpersonal relationship skills, (8) conflict resolution skills, (9) problem-solving skills, and (10) RTW facilitation skills. Specific consensus competencies were identified within each affinity group. Most investigators endorsed similar competencies, although there was some variation by setting or scope of RTW intervention. CONCLUSIONS: RTW coordinators are essential contributors in RTW facilitation programs. This study identified specific competencies required to achieve success. More emphasis on mentorship and observation will be required to develop and evaluate necessary skills in this area.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».