Examining the Comparative Incidence and Costs of Physical and Mental Health-Related Disabilities in an Employed Population
Notice bibliographique
Résumé
OBJECTIVE: To address gaps in knowledge about disability rates and costs of short-term disability by answering the following questions: (1) what is the incidence and the costs of short-term disability episodes related to mental disorders? and (2) how do these figures compare with those of short-term disability episodes related to physical disorders? METHODS: The data set comes from a Canadian resource sector company's 2003-2006 short-term disability leave and human resource data sets. The multi-year data set consists of 33,913 records for all nonseasonal employees. The study focused on all episodes that began in 2003, 2004, or 2005. There are 12,407 unique employees represented. RESULTS: The overall disability rate was 14.5 episodes/100 person-years. The top five primary categories of disability episodes were respiratory disorder (2.3/100 person-years), musculoskeletal disorder (1.9/100 person-years), mental/behavioral disorder (2.1/100 person-years), injury (2.0/100 person-years), and digestive disorder (1.3/100 person-years). The mean disability episode was 33 days, and the mean cost was $9027/episode. Highest episode costs were associated with mental/behavioral disorder-related episodes ($18,000/episode), and the lowest costs were for respiratory disorders ($3000/episode). CONCLUSIONS: The results underscore that although disability related to mental/behavioral disorders may not comprise the largest proportion of cases, they represent the largest costs.
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) | 0,000 | 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 ».