MétaCan
Menu
Retour à la cohorte
Enregistrement W2276143718 · doi:10.1136/injuryprev-2015-041807

Improving occupational injury surveillance by using a severity threshold: development of a new occupational health indicator

2015· article· en· W2276143718 sur OpenAlexaff
Jeanne M. Sears, Stephen M. Bowman, Mary Rotert, Laura Blanar, Sheilah Hogg‐Johnson

Notice bibliographique

RevueInjury Prevention · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensInstitute for Work & HealthPublic Health OntarioUniversity of Toronto
Organismes subventionnairesNational Institute for Occupational Safety and HealthWashington State Department of Labor and IndustriesWashington State University
Mots-clésOccupational safety and healthOccupational injuryHealthcare Cost and Utilization ProjectMedicineInjury preventionPoison controlHospital dischargeHealth careHuman factors and ergonomicsSuicide preventionPopulationEnvironmental healthMedical emergencyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hospital discharge data are used for occupational injury surveillance, but observed hospitalisation trends are affected by trends in healthcare practices and workers' compensation coverage that may increasingly impair ascertainment of minor injuries relative to severe injuries. The objectives of this study were to (1) describe the development of a severe injury definition for surveillance purposes and (2) assess the impact of imposing a severity threshold on estimated occupational and non-occupational injury trends. METHODS: Three independent methods were used to estimate injury severity for the severe injury definition. 10 population-based hospital discharge databases were used to estimate trends (1998-2009), including the National Hospital Discharge Survey (NHDS) and State Inpatient Databases (SID) from the Healthcare Cost and Utilization Project (HCUP), Agency for Healthcare Research and Quality. Negative binomial regression was used to model injury trends with and without severity restriction and to test trend divergence by severity. RESULTS: Trend estimates for occupational injuries were biased downwards in the absence of severity restriction, more so than for non-occupational injuries. Imposing a severity threshold resulted in a markedly different historical picture. CONCLUSIONS: Severity restriction can be used as an injury surveillance methodology to increase the accuracy of trend estimates, which can then be used by occupational health researchers, practitioners and policy-makers to identify prevention opportunities and to support state and national investments in occupational injury prevention efforts. The newly adopted state-based occupational health indicator, 'Work-Related Severe Traumatic Injury Hospitalizations', incorporates a severity threshold that will reduce temporal ascertainment threats to accurate trend estimates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,502
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetOccupational Health and Safety ResearchTravaux en français237 207