The association between rurality and return to work for workers’ compensation claimants with work-related musculoskeletal injuries: An analysis of workers who failed to return to work within typical healing time frames
Notice bibliographique
Résumé
OBJECTIVES: The objectives of this study have been to: 1) describe and compare urban and rural injured worker populations in Alberta, Canada; 2) identify return-to-work outcomes in urban and rural populations; 3) examine the relationship between geographic location of residence and recovery from work-related musculoskeletal injury; and 4) investigate if this relationship is attenuated after controlling for other known risk factors. MATERIAL AND METHODS: This study was a secondary analysis utilizing data of a population of musculoskeletal injury claimants who underwent clinical/RTW (return to work) assessment between December 2009 and January 2011 collected by the Workers' Compensation Board of Alberta. Descriptive statistics were computed for 32 variables and used for comparing urban and rural workers. The logistic regression analysis was performed to test the association between geographic location of residence and likelihood of return-to-work. RESULTS: Data on 7843 claimants was included, 70.1% of them being urban and 29.9% - rural. Rural claimants tended to have spent less time in formal education, have a blue-collar job, have no modified work available, have a diagnosed comorbidity, and not been enrolled in a specialized rehabilitation program. They were 1.43 (1.12-1.84) times the odds more likely than urban claimants to be continuing to receive full disability benefits 90 days after their RTW assessment, and 1.68 (1.06-2.67) times the odds as likely to report a recurrence of receiving disability benefits. CONCLUSIONS: Rural residence was associated with prolonged work disability, even after controlling for age, job type, education level, health utilization and other potential confounders. Further research is required to explore why injured workers in rural settings experience prolonged reception of disability benefits and have greater rates of recurrence of receiving disability benefits. Int J Occup Med Environ Health 2017;30(5):715-729.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».