MétaCan
Menu
Retour à la cohorte
Enregistrement W2082771750 · doi:10.1002/ajim.20503

Social and economic consequences of workplace injury: A population‐based study of workers in British Columbia, Canada

2007· article· en· W2082771750 sur OpenAlexafffundabout
Judy Brown, Harry S. Shannon, Cameron Mustard, Peggy McDonough

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensInstitute for Work & HealthMcMaster UniversityUniversity of Toronto
Organismes subventionnairesU.S. Public Health ServiceWorkSafeBCWorkplace Safety and Insurance Board
Mots-clésMedicineOccupational safety and healthLogistic regressionMarital statusInjury preventionHuman factors and ergonomicsPopulationDemographyPoison controlSuicide preventionGerontologyEnvironmental healthWorkers' compensationOccupational injuryOccupational medicineCompensation (psychology)Occupational exposurePsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Existing research suggests that workplace injuries can have significant economic and social consequences for workers; but there are no quantitative studies on complete populations. METHODS: The British Columbia Linked Health Database (BCLHD) was used to examine 1994 injured workers who lost work time due to the injury (LT) and a group of injured individuals who did not lose time after their injuries (NLT). Three outcomes were explored: (1) residential change, (2) marital instability, and (3) social assistance use. Logistic regression adjusted for several individual and injury characteristics. RESULTS: LTs were more likely to move and collect income assistance benefits, and less likely to experience a relationship break-up than the NLTs. LTs off work for 12 or more weeks were more likely to receive income assistance than LTs off for less time. CONCLUSIONS: The increased risk suggests that the long-term economic consequences of disabling work injury may not be fully mitigated by workers compensation benefits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,447
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetOccupational Health and Safety ResearchTravaux en français237 207