Arthritis and employment research: where are we? Where do we need to go?
Notice bibliographique
Résumé
Studies of work disability among individuals with arthritis reveal that loss of employment is a common, important, and costly problem. Arthritis and musculoskeletal conditions are the leading cause of longterm work disability in Canada and the US, with an estimated yearly cost of 13.7 billion dollars in Canada. In rheumatoid arthritis, reported rates of work disability are remarkably high, ranging from 32% to 50% 10 years after RA onset, and increasing to 50% to 90% after 30 years. Studies have shown that work disability starts early in the course of RA, emphasizing the need for early intervention. To date, research in the area of arthritis and employment has mostly focused on measuring the extent of the problem and on identifying predictors of work loss. Despite the importance of the problem, there has been little intervention research assessing the effectiveness of medical treatment and few interventions specifically aimed at employment, reducing work loss, or improving ability to work. Research needed includes evaluating the effect of current therapies on employment outcomes, and studying interventions specifically aimed at employment, as well as addressing methodological issues in employment research.
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 | 0,089 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,018 | 0,029 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,018 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 ».