Return to Work for Mental Ill-Health: A Scoping Review Exploring the Impact and Role of Return-to-Work Coordinators
Notice bibliographique
Résumé
Purpose This scoping review was completed to explore the role and impact of having a return-to-work (RTW) coordinator when dealing with individuals with common mental ill-health conditions. Methods Peer reviewed articles published in English between 2000 and 2018 were considered. Our research team reviewed all articles to determine if an analytic focus on RTW coordinator and mental ill-health was present; consensus on inclusion was reached for all articles. Data were extracted for all relevant articles and synthesized for outcomes of interest. Results Our search of six databases yielded 1798 unique articles; 5 articles were found to be relevant. The searched yielded only quantitative studies. Of those, we found that studies grouped mental ill-health conditions together, did not consider quality of life, and used different titles to describe RTW coordinators. Included articles described roles of RTW coordinators but did not include information on their strategies and actions. Included articles suggest that RTW interventions for mental ill-health that utilize a RTW coordinator may result in delayed time to RTW. Conclusions Our limited findings suggest that interventions for mental ill-health that employ RTW coordinators may be more time consuming than conventional approaches and may not increase RTW rate or worker's self-efficacy for RTW. Research on this topic with long-term outcomes and varied research designs (including qualitative) is needed, as well as studies that clearly define RTW coordinator roles and strategies, delineate results by mental health condition, and address the impact of RTW coordinators on workers' quality of life.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».