Randomised trials on return-to-work programmes for major depressive disorder
Notice bibliographique
Résumé
In many industrialised countries, the high prevalence and/or increasing trends in disability and work loss due to depressive disorders are worrying. For example, in Finland almost one in every three new work disability benefit recipients is disabled for work because of mental health problems.1 A common disorder such as depression, with a lifetime prevalence of up to 25% for women and 12% for men,2 would justify primary prevention programmes. Although such programmes have proven helpful for some conditions such as cardiovascular diseases, evidence for primary prevention of depression is limited, although many of the risk factors for depression have been identified as modifiable.3 While this lack of evidence is not a sufficient reason to abandon well-designed primary prevention programmes, it does provide health professionals and authorities with an incentive to focus preventive efforts on disability due to major depressive disorder through secondary prevention strategies. In recent years, there has been considerable interest in the evaluation of the potential benefits from secondary prevention of work disability. Since the 1990s, many innovative rehabilitation programmes for sick-listed employees have been developed. The so-called Sherbrooke model, which aims at an early return to work (RTW) through integration of the workplace in the treatment programme, was first applied to low back pain.4 Evidence now indicates that this type of workplace-based intervention is more effective than usual healthcare interventions for reducing sick leave and preventing work disability among employees with musculoskeletal disorders.5 The …
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».