A prediction rule for duration of disability benefits in workers with nonspecific low back pain
Notice bibliographique
Résumé
Objectives This study examines factors collected within the first 4 weeks of work disability to predict outcomes for workers on benefits due to back pain at 6 & 24 months. Methods Routinely collected information from the compensation agency on: age, gender, occupation, earnings, nature and event of injury, language, job tenure, history of prior claims, physical work, healthcare and opioid use will be analysed. Additional data was extracted via claim file review: need for a translator, previous claims in other jurisdictions, workplace offer of modified work, and work limitations suggested by health professional. Data from the Readiness for Return to Work cohort study on health, functional status pain, mental health, expectations for recovery, job satisfaction, and supervisor9s response are available for a subset of workers. Benefits status at 6 months will be studied using logistic regression. Cox regression and mover stayer models will be used for time on disability benefits and recurrences during the 2 years of follow-up. Results 6657 workers were selected and additional information was entered in the research database. 1796 were still on full benefits at 4 weeks. 38% were female, 81% of workplace reported to offer workplace accommodation, 48% of workers were represented by a union, 5056 prescriptions for oxycodone were reimbursed in the first 4 weeks. 300 workers were still off work 6 months after date of injury. Conclusions A prediction tool that provides projections of different injured worker outcomes such as time remaining on benefits and likelihood of a recurrence will be presented.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».