Work Reintegration for Veterans With Mental Disorders: A Systematic Literature Review to Inform Research
Notice bibliographique
Résumé
BACKGROUND: Some veterans, and especially those with mental disorders, have difficulty reintegrating into the civilian workforce. PURPOSE: The objectives of this study were to describe the scope of the existing literature on mental disorders and unemployment and to identify factors potentially associated with reintegration of workers with mental disorders into the workforce. DATA SOURCES: The following databases were searched from their respective inception dates: MEDLINE, EMBASE, Cumulative Index Nursing Allied Health (CINAHL), and PsycINFO. STUDY SELECTION: In-scope studies had quantitative measures of employment and study populations with well-described mental disorders (eg, anxiety, depression, posttraumatic stress disorder, substance-use disorders). DATA EXTRACTION: A systematic and comprehensive search of the relevant published literature up to July 2009 was conducted that identified a total of 5,195 articles. From that list, 81 in-scope studies were identified. An update to July 2012 identified 1,267 new articles, resulting in an additional 16 in-scope articles. DATA SYNTHESIS: Three major categories emerged from the in-scope articles: return to work, supported employment, and reintegration. The literature on return to work and supported employment is well summarized by existing reviews. The reintegration literature included 32 in-scope articles; only 10 of these were conducted in populations of veterans. LIMITATIONS: Studies of reintegration to work were not similar enough to synthesize, and it was inappropriate to pool results for this category of literature. CONCLUSIONS: Comprehensive literature review found limited knowledge about how to integrate people with mental disorders into a new workplace after a prolonged absence (>1 year). Even more limited knowledge was found for veterans. The results informed the next steps for our research team to enhance successful reintegration of veterans with mental disorders into the civilian workplace.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,030 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».