Chiropractors' characteristics associated with their number of workers' compensation patients.
Notice bibliographique
Résumé
STUDY DESIGN: A cross-sectional survey. OBJECTIVE: The purpose of this study was to identify characteristics of Canadian doctors of chiropractic (DCs) associated with their number of workers' compensation patients. SUMMARY OF BACKGROUND DATA: It has been previously hypothesized that DCs that treat a relatively high volume of workers' compensation cases may have different characteristics than the general chiropractic community. METHODS: Secondary data analyses were performed on data collected in the 2011 survey of the Canadian Chiropractic Resources Databank (CCRD). The CCRD survey included 81 questions concerning the practice and concerns of DCs. Of the 6,533 mailed questionnaires, 2,529 (38.7%) were returned. Of these, 652 respondents did not meet our inclusion criteria, and our final study sample included 1,877 respondents. Bivariate analyses were conducted between predetermined independent variables and the annual number of workers' compensation patients. A negative binomial multivariate regression was performed to identify significant factors associated with the number of workers' compensation patients. RESULTS: On average, DCs received 10.3 (standard deviation (SD) = 17.6) workers' compensation cases and nearly one-third did not receive any such cases. The type of clinic (other than sole provider), practice area population (smaller than 500,000), practice province (other than Quebec), number of practice hours per week, number of treatments per week, main sector of activity (occupational/ industrial), care provided to patients (electrotherapy, soft-tissue therapy), percentage of patients with neuromusculoskeletal conditions, and percentage of patients referred by their employer or a physician were associated with a higher annual number of workers' compensation cases. CONCLUSION: Canadian DCs who reported a higher volume of workers' compensation patients had practices oriented towards the treatment of injured workers, collaborated with other health care providers, and facilitated workers' access to care.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».