Predicting return to work following treatment of chronic pain disorder
Notice bibliographique
Résumé
BACKGROUND: The care of injured workers with chronic pain remains an important public health issue given its increasing prevalence. The consequences often include loss of self-esteem and stress in family relationships. AIMS: To report our interdisciplinary approach to the care of chronic pain disorder (CPD) and describe the predictors associated with a successful return to work (RTW). METHODS: Relevant covariates, including demographic data, time from injury, and functional scores were recorded for clients injured at work in Ontario, Canada. Our primary outcome, RTW, was assessed at 3 months post-discharge. Descriptive statistics and logistic regression were used to identify those factors predicting a successful RTW. RESULTS: Of the injured workers who participated in the interdisciplinary CPD treatment programme, 1002 clients met our inclusion criteria and were included in the study. Fifty-five per cent were male with a mean age of 46 years. Median time from injury to treatment was 720 days. At 3 months post-treatment, 136 (14%) of the participants were working. Multivariable logistic regression revealed that earlier time since injury (OR = 0.71, 95% CI 0.55-0.92) and presence of an RTW coordinator (RTWC) (OR = 3.42, 95% CI 2.08-5.63) were significant predictors of successful RTW. There was also a significant interaction between RTWC involvement and time since injury. The latter did not appear to influence the likelihood of RTW when an RTWC was present. CONCLUSIONS: Workers compensation boards should refer injured workers with CPD to treatment programmes as early as possible to achieve a successful RTW. Additionally, RTWCs play an important role in improving work outcomes.
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 | 0,001 |
| 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) | 0,001 | 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 ».