How physicians allocate causation: a scenario study with factorial design
Notice bibliographique
Résumé
BACKGROUND: Causation is a complex concept but important in suspected work-related disease. Physicians routinely make initial assessments of causation as part of their work, but the factors contributing to these assessments are not well understood. AIMS: To determine which factors influence a family physician's assessment of causation when seeing patients with suspected work-related injury or illness. METHODS: Four groups of family physicians with differing levels of prior reporting (zero, low, medium, high) to the Workers Compensation Board received a questionnaire including four randomly allocated case scenarios. For each scenario there were four versions with either strong or weak causal features suggesting work or non-work factors were important causes or contributors. Responses to questions were made on a series of visual analogue scales. RESULTS: The nature of the condition and scenario type (i.e. strength of the causal information about workplace and non-workplace factors) were associated with the physicians' opinion on work-relatedness. Understanding the nature of the patient's work, the timing of symptoms and the patients' opinion about work-relatedness were viewed by the physicians as important. A decision that a condition was not work related was influenced primarily by the strength of potential causes outside work. Prior reporting history of the physician was not associated with opinions on work-relatedness, nor the factors considered in reaching this decision. CONCLUSIONS: The characteristics of the case scenario were more important in determining a physician's opinion about work-relatedness than the characteristics of the physician.
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 | 0,002 | 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) | 0,001 | 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 ».