910 A supervisor training program for work disability prevention: preliminary results from a cluster randomised controlled trial
Notice bibliographique
Résumé
Introduction Providing supervisors with tools to improve their response to workplace injuries or illnesses may improve disability outcomes. The objective of this study was to examine the effectiveness of the Supervisor/Manager Accommodation Recognition and Training (SMART) Program on reducing the total duration of workers’ lost-time claims. Here, we provide preliminary results from two Canadian (located in Ontario and British Columbia) and one American employer. Methods Within each organisation, work units were randomly selected to have their supervisors receive the training program. Work units not assigned to the program served as the control group for the study. Work disability outcome data were one-year prior to and one-year post training for comparison purposes. Web based surveys were used to collect information on supervisors’ knowledge and responses to workplace injuries at baseline, 3- and 6 months post training. Results For the Ontario-based employer, the SMART program did not impact the total duration of workers’ lost-time claims when compared to the controls. For the British Columbia-based employer, trained work sites had a reduction in both the number of days off per injury incident (−6.2) and the number of short-term disability claims per 100 workers (−10.5). Across the American-based employer, the work sites that received the SMART training had a significant reduction in the number of days off per workers’ compensation claim (−4.9), a small decrease in the average number of days per short-term disability claim (−2.7) and the number of Workers’ Compensation claims were reduced to half the rate post-training (8.3 claims per 100 employees per year down to 4.4). Survey results will also be discussed. Conclusion The mixed results of the preliminary data highlight the importance of context when studying complex organisations. Employee culture, policies and practices of management, type of industry, and other organisational factors have a strong influence on work disability outcomes.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».