Differential underestimation of work‐related reinjury risk for older workers: Challenges to producing accurate rate estimates
Notice bibliographique
Résumé
BACKGROUND: Older workers are increasingly represented in the U.S. workforce, but frequently work part-timeor intermittently, hindering accurate injury rate estimates. To reduce the impact of reporting barriers on rate comparisons, we focused on reinjury (both injury recurrence and new injury) among workers with a workers' compensation claim, assessing: (1) reinjury risk for workers age 65+ versus <65; (2) importance of work-time at-risk measurement for rate estimates and comparisons; and (3) age distribution of potential risk factors. METHODS: Washington State workers' compensation claims for a retrospective cohort of workers with work-related permanent impairments were linked to state wage files. Reinjury rates were calculated for the cohort (N = 11,184) and a survey sample (N = 582), using both calendar time and full-time equivalent (FTE)-adjusted time. Risk differentials were assessed using rate ratios and adjusted survival models. RESULTS: The rate ratio for workers age 65+ (vs. <65) was 0.45 (p < 0.001) using calendar time, but 0.70 (p = 0.07) using FTE-adjusted time. Survey-based rates were 35.7 per 100 worker-years for workers age 65+, versus 14.8 for <65. Workers age 65+ (vs. <65) were more likely to work <100% FTE, but were similar regarding job strain, their ability to handle physical job demands, and their comfort reporting unsafe conditions or injuries. CONCLUSIONS: Accounting for work-time at risk substantially improves age-based reinjury comparisons. Although the marked elevation in self-reported reinjury risk for older workers might be a small-sample artifact (n = 34), workers age 65+ are likely at higher risk than previously appreciated. Ongoing workforce trends demand increased attention to injury surveillance and prevention for older workers.
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 | 0,318 | 0,604 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».