Predicting Return to Work in Workers with All-Cause Sickness Absence Greater than 4 Weeks: A Prospective Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Long-term sickness absence is a major public health and economic problem. Evidence is lacking for factors that are associated with return to work (RTW) in sick-listed workers. The aim of this study is to examine factors associated with the duration until full RTW in workers sick-listed due to any cause for at least 4 weeks. METHODS: In this cohort study, health-related, personal and job-related factors were measured at entry into the study. Workers were followed until 1 year after the start of sickness absence to determine the duration until full RTW. Cox proportional hazards regression analyses were used to calculate hazard ratios (HR). RESULTS: Data were collected from N = 730 workers. During the first year after the start of sickness absence, 71% of the workers had full RTW, 9.1% was censored because they resigned, and 19.9% did not have full RTW. High physical job demands (HR .562, CI .348-.908), contact with medical specialists (HR .691, CI .560-.854), high physical symptoms (HR .744, CI .583-.950), moderate to severe depressive symptoms (HR .748, CI .569-.984) and older age (HR .776, CI .628-.958) were associated with a longer duration until RTW in sick-listed workers. CONCLUSIONS: Sick-listed workers with older age, moderate to severe depressive symptoms, high physical symptoms, high physical job demands and contact with medical specialists are at increased risk for a longer duration of sickness absence. OPs need to be aware of these factors to identify workers who will most likely benefit from an early intervention.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».