Data linkage to build detailed return-to-work trajectories for work disability research
Notice bibliographique
Résumé
IntroductionMusculoskeletal disorders (MSDs) are the most prevalent chronic condition in Canada, and account for the highest disability costs. Gradual-return-to-work (GRTW) can improve health and labour market outcomes in an aging workforce at risk of MSDs. Linked longitudinal data enables us to generate evidence of GRTW to inform policy needs. Objectives and ApproachThe objective of this study was to investigate the effectiveness and cost-benefits of GRTW for workers with a work-acquired MSD in British Columbia, Canada. We linked workers’ compensation data, health services data, and prescription data from three governing bodies to 1) identify injured workers with an accepted MSD lost-time injury between 2010 and 2015; 2) identify trajectories of RTW states (injury, sickness absence, GRTW, RTW, and non-RTW) and the probability of transitioning between states; and 3) assess the association between workers characteristics and RTW trajectories, and analyze the cost-benefits of GRTW. ResultsFinal results are expected early 2019. To our knowledge, this will be the first study linking workers’ compensation data (in particular detailed RTW data), health services data and prescription data from three different governing bodies for a comprehensive, population-based investigation of work disability experiences over a longitudinal time period and within the Canadian context. Also, using this data for the purpose of assessing the cost-benefits is new, and will help to prioritize prevention resources and strategies to limit the health and economic impact of work-related MSDs on employers, workers’ compensation boards and society. Conclusion/ImplicationsEvaluating the effects of GRTW on work disability is essential to maximize the health and economic benefits for injured workers. The innovation of this project is that is links three population-based databases to capture multiple indicators of health and work status to build RTW trajectories over time.
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 | 0,093 | 0,277 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,016 | 0,028 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 ».