MétaCan
Menu
← Retour à la cohorte
Enregistrement W2779175336 · doi:10.1136/oemed-2017-104636.63

0085 Injury reporting, employer lodgement and compensation payment delays and duration of wage replacement in injured workers

2017· article· en· W2779175336 sur OpenAlexaff
Fiona Cocker, Peter Smith, Helen L. Kelsall, Malcolm Sim

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensInstitute for Work & HealthPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReceiptAdjudicationPaymentOddsCompensation (psychology)Logistic regressionMedicineWageBusinessLabour economicsAccountingFinancePsychologyInternal medicineEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Objective To determine if delays in the workers’ compensation process, indicated by failures in claim filing, adjudication and provision of wage replacement (WR), are associated with poorer RTW outcomes. Methods This study examined standard workers’ compensation claims with an injury date between January 2007 and December 2012, with at least one-day of WR, and which were not terminated for reasons other than RTW within the first 12 months of the claim (n=80,322). Logistic regression models explored the association between: i) delays in the injured workers (IWs) claim lodgement, the IWs employer’s lodgement of the claim with the insurer, and receipt of first compensation payment, and accumulating 52 weeks of WR; and ii) socio-demographic/economic, occupational, and injury-related factors and the aforementioned delays. Results All delays were associated with increased odds of reaching 52 weeks of WR. The more delays, the greater odds of a long-term claim. Different factors were associated with each different delay. Conclusions The predictive ability of delays in claim lodgement and processing and receipt of compensation payments demonstrate where improved claims management and adjudication could reduce the proportion of workers on long term WR.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,123
Tête enseignante GPT0,501
Écart entre enseignants0,377 · 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'étudeObservationnel
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOccupational Health and Safety Research→Travaux en français237 207→