O-433 Which Quebec industries and occupations are at risk of work-related musculoskeletal disorders? A comparison of analyses of 2010–2012 workers’ compensation and 2014–2015 health survey data
Notice bibliographique
Résumé
Introduction Non traumatic work-related musculoskeletal disorders (WMSD) represent an enormous burden of preventable illness. Two strategies and data sources to document this burden and identify workers at highest risk were compared. Objectives To identify gender-stratified worker groups at high risk of non-traumatic WMSD by industry and type of occupation and compare WC to health survey results. Methods Using 2014–2015 Quebec Health Survey (QPHS) data on 24,300 workers, measuring self-reported WMSD and industry groupings stratified by occupation (manual/mixed/non-manual), WMSD risk for each industry-occupation group was estimated using gender-stratified adjusted regression analyses and estimation methods. Using Quebec 2010–2012 workers’ compensation (WC) data, gender-stratified WMSD incidence rates per 1,000 full-time equivalent employees (‰ FTEE) were calculated for 174 industry-type-of-occupation groups. WMSD risk was ranked according to Prevention Index scores. Results In both studies, women in manual occupations had the highest WMSD risk compared to male counterparts (WC: 39‰vs27‰ FTEE; QPHS: 36%vs25%); manual male and female workers in administrative/support/cleaning/garbage services were identified at high risk; as well as women in accommodation/restaurant and men in specialised construction trades, civil engineering, and metal manufacturing. Compensation data identified another 9 high-risk groups for men, and 11 for women including 3 health sector groups that ranked in the top 5 for women. Conversely, the QPHS identified another 13 high risk groups in men including several construction and manufacturing sectors and 5 in women. Discussion Differences between the 2 studies’ results are likely due to methodologic differences, including under-reporting in compensation data and the survey’s low power to identify some industries stratified by gender and occupation. Results of the two studies are complementary and each adds to our understanding of which groups are at WMSD risk to target for prevention. Research is needed to compare different survey and compensation data analytic strategies to improve capacity to identify workers at high WMSD risk.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».