MétaCan
Menu
Retour à la cohorte
Enregistrement W2529099361 · doi:10.1002/ajim.22651

The structure and process of workers’ compensation systems and the role of doctors: A comparison of Ontario and Québec

2016· article· en· W2529099361 sur OpenAlexaffabout
Katherine Lippel, Joan M. Eakin, D. Linn Holness, Dana Howse

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensSt. Michael's HospitalPublic Health OntarioUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineWorkers' compensationProcess (computing)Compensation (psychology)Occupational medicineOccupational exposureEnvironmental healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study sought to identify impacts of compensation system characteristics on doctors in Québec and Ontario. METHODS: (i) Legal analysis; (ii) Qualitative methods applied to documentation and individual and group interviews with doctors (34) and other system participants (31); and (iii) Inter-jurisdictional transdisciplinary analysis involving cross-disciplinary comparative and integrative analysis of policy contexts, qualitative data, and the relationship between the two. RESULTS: In both jurisdictions the compensation board controlled decisions on work-relatedness and doctors perceived the bureaucratic process negatively. Gatekeeping roles differed between jurisdictions both in initial adjudication and in dispute processes. Québec legislation gives greater weight to the opinion of the treating physician. These differences affected doctors' experiences. CONCLUSIONS: Policy-makers should contextualize the sources of the "evidence" they rely on from intervention research because findings may reflect a system rather than an intervention effect. Researchers should consider policy contexts to both adequately design a study and interpret their results. Am. J. Ind. Med. 59:1070-1086, 2016. © 2016 Wiley Periodicals, Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,988

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0090,004
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,395
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations31
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207