Economic evaluations of occupational health interventions from a corporate perspective – a systematic review of methodological quality
Notice bibliographique
Résumé
OBJECTIVE: Using a standardized quality criteria list, we appraised the methodological quality of economic evaluations of occupational safety and health (OSH) interventions conducted from a corporate perspective. METHODS: The primary literature search was conducted in Medline and Embase. Supplemental searches were conducted in the Cochrane NHS Economic Evaluation Database, the National Institute for Occupational Safety and Health (NIOSH) database, the Ryerson International Labour, Occupational Safety and Health Index, scans of reference lists, and researchers' own literature database. Independently, two researchers selected articles based on title, keywords, and abstract, and if needed, fulltext. Disagreements were resolved by a consensus procedure. Articles were selected based on seven criteria addressing study population, type of intervention, comparative intervention, outcome, costs, language, and perspective. Two reviewers independently judged methodological quality using the Consensus on Health Economic Criteria (CHEC-list), a 19-item standardized quality criteria list. Disagreements in judgment were also resolved by consensus. Data were analyzed descriptively. RESULTS: A total of 34 studies were included. Of these, only 44% of the studies met more than 50% of the quality criteria. Of the 19 quality criteria, 8 were met by 50% or more of the studies. The 11 least fulfilled criteria related to (i) performance of a sensitivity analysis, (ii) selection of perspective, (iii) description of study population, (iv) discussion of generalizability, (v) description of competing alternatives, (vi) presentation of the research question, (vii) measurement of outcomes, (viii) measurement of costs, (ix) valuation of costs, (x) declaration of researchers' independence, and (xi) discussion of ethical and distributional issues. CONCLUSIONS: Apart from a few exceptions, the overall methodological quality of the economic evaluations of OSH interventions from a corporate perspective was poor. As such, there is a risk of biased results. The quality of future evaluations needs to be improved to increase the validity of their conclusions and recommendations.
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 | 0,085 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».