Can emergency physicians predict severity and time away from work?
Notice bibliographique
Résumé
BACKGROUND: Emergency and primary care physicians are often asked to estimate patients' likely duration of sickness absence or temporary disability following work-related injury or illness. However, return to work is a complex interaction of multiple factors and often difficult to predict accurately. AIMS: To compare physician estimates of expected time away from work and severity of injury, made at the time of the initial presentation, with actual duration of temporary disability following work-related shoulder or knee injury. METHODS: Patients aged 18-65 with work-related shoulder or knee injuries who attended one of three Edmonton Emergency Departments were recruited. For each participant the treating physician made an estimate of severity and expected time before they would return to their work. This was compared with information on actual temporary disability (TDdays) obtained from the Alberta Workers' Compensation Board (WCB) data. RESULTS: Over the study period, 443 (88%) of 501 patients were enrolled into the study; however, only 177 (35%) agreed to linking their data with WCB. Median TDdays increased with the physicians' estimates of both severity and likely temporary disability. Physicians tended to underestimate time off work for those with long duration of TDdays, but overestimated this for those with short durations. CONCLUSIONS: Emergency physicians' estimates of expected lost work time and severity of injury were correlated with actual temporary disability, although their accuracy was fairly low. Further work to define why differences between estimated and actual temporary disability occur could help physicians and others planning return to work.
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 | 0,000 | 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) | 0,002 | 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 ».