Reciprocal associations between depression, anxiety and work-related injury
Notice bibliographique
Résumé
OBJECTIVE: To examine the reciprocal longitudinal associations between depression or anxiety with work-related injury (WRI) at a large employer in the southwestern United States. METHOD: Three administrative datasets (2011-2013) were merged: employee eligibility, medical and prescription claims, and workers' compensation claims. The sample contained 69 066 active employees. Depression and anxiety were defined as episodes of medical visits care (ie, claims) with corresponding ICD-9-CM codes. For an individual's consecutive claims, a new case of depression or anxiety was defined if more than 8 weeks have passed since the prior episode. The presence of a workers' compensation injury claim was used to identify WRI. Three-wave (health plan years 2011 or T1, 2012 or T2, and 2013 or T3) autoregressive cross-lagged models were used to estimate whether depression or anxiety predicted WRI, also if WRI predicted depression or anxiety in the following year(s). RESULTS: Depression predicted injury from T1 to T2 (β=0.127, p<0.001) and from T2 to T3 (β=0.092, p=0.001). Injury predicted depression from T1 to T3 (β=0.418, p<0.001). Effects of anxiety on WRI were small and inconsistent, from T1 to T2 (β=0.013, p=0.622) and from T2 to T3 (β=-0.043, p=0.031). T1 injury had a protective effect on T3 anxiety (β=-0.273, p<0.001). CONCLUSIONS: We found evidence of reciprocal effects for depression with WRI after adjustment for prior injuries and depression. The evidence for the relationship between anxiety and WRI is less clear. WRI prevention and management programmes should incorporate depression prevention and management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».