Experiences in the return-to-work process of workers having suffered occupational injuries in small and medium size enterprises
Notice bibliographique
Résumé
BACKGROUND: Small and medium-sized enterprises (SMEs) represent 95 % of businesses and are economically essential. When occupational injuries occur, scientific literature suggests that the return-to-work (RTW) success rate is proportional to the size of enterprises and the way RTW is managed may put workers in SMEs at risk. As most studies on RTW organizational practices have been conducted with large enterprises, little is known about how RTW is managed in SMEs. OBJECTIVE: The aim of this study was to explore SME's organizational practices in the RTW process of workers having suffered an occupational injury. METHODS: Semi-structured phone interviews were conducted with 15 participants from 3 different stakeholder categories (i.e., SME representatives, workers, and healthcare professionals) in order to explore their experiences regarding RTW in SMEs. Data were analyzed using a phenomenological analysis strategy. RESULTS: SMEs' organisational practices evoked by participants gather in three themes: 1) Reducing the risks of occupational injuries (i.e., ensuring injury prevention), 2) Managing occupational injuries (i.e., dealing with the initial occupational injury, handling administrative aspects of work disability, and being actively involved in the RTW process), and 3) Preventing consequences of occupational injuries (i.e., adapting operations following injuries). CONCLUSION: Organizational practices for RTW are used diversely in SMEs. Proposed lines of action adapted to the realities and needs of SMEs may be beneficial to hundreds of thousands of workers, enterprises and professionals involved in the RTW process.
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 | 0,000 |
| 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 ».