Compensation benefits in a population-based cohort of men and women on long-term disability after musculoskeletal injuries: costs, course, predictors
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study is to assess costs, duration and predictors of prolonged compensation benefits by gender in a population characterised by long-term compensation benefits for traumatic or non-traumatic musculoskeletal injuries (MSIs). METHODS: This study examined 3 years of data from a register-based provincial cohort including all new allowed long-term claims (≥3 months of wage replacement benefits) related to neck/shoulder/back/trunk/upper-limb MSIs in Quebec, Canada, from 2001 to 2003 (13,073 men and 9032 women). Main outcomes were compensation duration and costs. Analyses were carried out separately for men and women to investigate gender differences. An extended Cox model with Heaviside functions of time was used to account for covariates with time-varying effects. RESULTS: Male workers experienced a longer compensation benefit duration and higher median costs. At the end of follow-up, 3 years postinjury, 12.3% of men and 7.3% of women were still receiving compensation benefits. Effects of certain predictors (e.g., income, injury site or industry) differed markedly between men and women. Age and claim history had time-varying effects in the men's and women's models, respectively. CONCLUSIONS: Knowing costs, duration and predictors of long-term compensation claims by gender can help employers, decision makers and rehabilitation specialists to identify at-risk workers and industries to engage them in early intervention and prevention programmes. Tailoring parts of long-term disability prevention and management efforts to men's and women's specific needs, barriers and vulnerable subgroups, could reduce time on benefits among both male and female long-term claimants.
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) | 0,000 | 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 ».