A Call for Action
Notice bibliographique
Résumé
STUDY DESIGN: Cluster randomized controlled trial. OBJECTIVE: To evaluate the effectiveness of two strategies to improve the use of active sick leave (ASL) for patients with low back pain. SUMMARY OF BACKGROUND DATA: ASL is a public sickness benefit scheme offered to promote early return to modified work for temporarily disabled workers. It was poorly used, and the authors designed two community interventions to strengthen the implementation of ASL based on the results of a study of barriers to use among back pain patients, employers, general practitioners (GPs), and local National Insurance Administration staff. METHODS: Sixty-five municipalities in three counties in Norway, randomly assigned to a passive intervention, a proactive intervention, or a control group. The interventions were targeted at patients on sick leave for low back pain for more than 16 days (n = 6176), their GPs, employers, and local insurance officers. The passive intervention included reminders about ASL on the sick leave form that GPs must complete, a standard agreement to facilitate ASL, targeted information, and a desktop summary for GPs of clinical practice guidelines for low back pain, emphasizing the importance of advice to stay active. The proactive intervention included these elements plus a resource person to facilitate the use of ASL and a continuing education workshop for GPs. The main outcome measure reported here is the proportion of eligible patients that used ASL. RESULTS: ASL was used significantly more in the proactive intervention municipalities (17.7%) compared with the passive intervention and control municipalities (11.5%, P = 0.018). CONCLUSIONS: A passive intervention that addressed identified barriers to the use of ASL did not increase its use. Although modest, a proactive intervention did increase its use. The main impact of the intervention was through direct contact and motivating telephone calls to patients. To the extent that GPs' practice was changed, it was either patient mediated or by patients bypassing their GP.
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 | 0,148 | 0,197 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,043 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,117 | 0,015 |
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 ».