Age, sex, and the changing disability burden of compensated work-related musculoskeletal disorders in Canada and Australia
Notice bibliographique
Résumé
BACKGROUND: The objectives of this study were (1) to identify age and sex trends in the disability burden of compensated work-related musculoskeletal disorders (MSDs) in Canada and Australia; and (2) to demonstrate a means of comparing workers' compensation data internationally. METHODS: All non-fatal, work-related MSD claims with at least one day of compensated time-loss were extracted for workers aged 15-80 during a 10-year period (2004-2013) using workers' compensation data from five Canadian and eight Australian jurisdictions. Disability burden was calculated for both countries by sex, age group, and injury classification, using cumulative compensated time-loss payments of up to two years post-injury. RESULTS: A total of 1.2 million MSD claims were compensated for time-loss in the Canadian and Australian jurisdictions during 2004-2013. This resulted in time-loss equivalent to 239,345 years in the Canadian jurisdictions and 321,488 years in the Australian jurisdictions. The number of time-loss years declined overall among male and female workers, but greater declines were observed for males and younger workers. The proportion of the disability burden grew among older workers (aged 55+), particularly males in the Canadian jurisdictions (Annual Percent Change [APC]: 7.2, 95% CI 6.7 to 7.7%) and females in the Australian jurisdictions (APC: 7.5, 95% CI 6.2 to 8.9%). CONCLUSIONS: The compensated disability burden of work-related MSDs is shifting towards older workers and particularly older females in Australia and older males in Canada. Employers and workers' compensation boards should consider the specific needs of older workers to reduce injuries and time off work. Comparative research made possible through research-stakeholder partnerships offers a unique opportunity to use existing administrative data to identify long-term trends in disability burden. Future research can apply similar approaches for estimating long-term trends in occupational health.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».