International Comparison of Vocational Rehabilitation for Persons With Spinal Cord Injury: Systems, Practices, and Barriers
Notice bibliographique
Résumé
Background: Employment rates among people with spinal cord injury or spinal cord disease (SCI/D) show considerable variation across countries. One factor to explain this variation is differences in vocational rehabilitation (VR) systems. International comparative studies on VR however are nonexistent. Objectives: To describe and compare VR systems and practices and barriers for return to work in the rehabilitation of persons with SCI/D in multiple countries. Methods: A survey including clinical case examples was developed and completed by medical and VR experts from SCI/D rehabilitation centers in seven countries between April and August 2017. Results: Location (rehabilitation center vs community), timing (around admission, toward discharge, or after discharge from clinical rehabilitation), and funding (eg, insurance, rehabilitation center, employer, or community) of VR practices differ. Social security services vary greatly. The age and preinjury occupation of the patient influences the content of VR in some countries. Barriers encountered during VR were similar. No participant mentioned lack of interest in VR among team members as a barrier, but all mentioned lack of education of the team on VR as a barrier. Other frequently mentioned barriers were fatigue of the patient (86%), lack of confidence of the patient in his/her ability to work (86%), a gap in the team's knowledge of business/legal aspects (86%), and inadequate transportation/accessibility (86%). Conclusion: VR systems and practices, but not barriers, differ among centers. The variability in VR systems and social security services should be considered when comparing VR study results.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».