impact of workers’ compensation benefit cessation on welfare and health service use
Notice bibliographique
Résumé
BACKGROUND: In 2012, the Australian state of New South Wales passed legislation that reformed its workers' compensation system. Section 39 introduced a five-year limit on income replacement, with the first affected group having their benefits cease in December 2017. There is limited evidence on how this will affect their healthcare service use and where they will go for financial support. METHODS: Multiple data sources will be linked: administrate workers' compensation claims data from the State Insurance Regulatory Authority (SIRA), universal health insurance data from the Medical Benefits Schedule (MBS) and Pharmaceutical Benefits Scheme (PBS), state hospital and emergency department data, and social welfare data from the Department of Social Services' Data Over Multiple Individual Occurrences (DOMINO). An estimated 4,125 injured workers had their benefits cease due to Section 39. These will form the exposure group who will be compared to 1) a similar group of workers' compensation claimants who have had at least two years of compensated time off work but whose benefits did not cease due to Section 39; and 2) a community comparison group drawn from state hospital and emergency department records.An accredited third party will link the data, which will be accessible only via secure virtual machine. Initial analyses will compare the prevalence and incidence of service use across groups in both the year before and year after benefit cessation; the community control will be assigned the median benefit cessation date in lieu of an actual date. To estimate the impact of benefit cessation due to Section 39, we will conduct time series analysis of the prevalence and incidence of service use. DISCUSSION: This study will provide much-needed evidence on the consequences of long-term benefit cessation, particularly on subsequent healthcare and welfare service use.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».