Functional recovery following musculoskeletal injury in hospital workers
Notice bibliographique
Résumé
BACKGROUND: Hospital workers are at high risk of work-related musculoskeletal disorders (WRMSDs), but outcomes following such injuries have not been well studied longitudinally. AIMS: To ascertain functional recovery in hospital workers following incident WRMSDs and identify predictors of functional status. METHODS: Cases (incident WRMSD) and matched referents from two hospitals were studied at baseline and at 2 year follow-up for health status [SF-12 physical component summary (PCS)], lost workdays, self-rated work effectiveness and work status change (job change or work cessation). Predictors included WRMSD and baseline demographics, socio-economic status (SES), job-related strain and effort-reward imbalance. Logistic regression analysis tested longitudinal predictors of adverse functional status. RESULTS: The WRMSD-associated risk of poor (lowest quartile) PCS was attenuated from a baseline odds ratio (OR) of 5.2 [95% confidence interval (CI) 3.5-7.5] to a follow-up OR of 1.5 (95% CI 1.0-2.3) and was reduced further in multivariate modelling (OR = 1.4; 95% CI 0.9-2.2). At follow-up, WRMSD status did not predict significantly increased likelihood of lost workdays, decreased effectiveness or work status change. In multivariate modelling, lowest quintile SES predicted poor PCS (OR = 2.0; 95% CI 1.0-4.0) and work status change (OR = 2.5; 95% CI 1.1-5.8). High combined baseline job strain/effort-reward imbalance predicted poor PCS (OR = 1.7; 95% CI 1.1-2.7) and reduced work effectiveness (OR = 2.6; 95% CI 1.6-4.2) at follow-up. CONCLUSIONS: Baseline functional deficits associated with incident WRMSDs were largely resolved by 2 year follow-up. Nonetheless, lower SES and higher combined job strain/effort-reward imbalance predicted adverse outcomes, controlling for WRMSDs.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».