Utilization rates of Active Release Techniques® in the workplace: A descriptive study
Notice bibliographique
Résumé
BACKGROUND: Workplace safety is a necessary and frequent topic of discussion for researchers, employers, and workers. It is estimated that annual losses caused by work-related injuries cost the United States $140 to $145 billion. Specifically, work-related musculoskeletal disorders (WMSD) have risen from just over 10% to 50% of the total claims from 1952 to 1996, accounting for more than 345,00 days lost and more than $57 million in WSIB costs in 2015. Novel approaches to managing WMSDs, such as Active Release Techniques®, need to be explored to ensure the ongoing health of workers. OBJECTIVE: This descriptive study provides the details of the 697,002 onsite treatments across 448 sites in North America between 2014-2018 provided by Active Release Techniques® Corporate Solutions (ARTCS) practitioners. The objective was to calculate the total number of treatments, cost per closed case, percent improvement, and the number of cases referred to worker's compensation. METHODS: All charting was done on the ARTCS EMR portal. The lead author was given a spreadsheet of the results sanitized of all identifying data in order to perform the aforementioned calculations. RESULTS: From 2014 to 2018, ARTCS providers opened 199,077 new cases, with an average cost to the employer of $306.69 USD per case and an average percent improvement in pain (VNPS) of 87.2%. The most frequently treated areas were the shoulder (32,574 cases), hip (6,633 cases), and low back (27,873 cases), respectively. A total of 48,946 cases were work-related pain/discomfort, of which 1,110 (2.27%) went on to worker's compensation. CONCLUSION: ARTCS in the workplace has shown a positive trend in terms of reducing pain intensity. The cost was low as compared to worker's compensation claims, as was the rate of cases (2.27%) referred to worker's compensation. Additional studies, including prospective data collection and a control group, are warranted to substantiate this.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».