MétaCan
Menu
Retour à la cohorte
Enregistrement W4313305089 · doi:10.3233/wor-211301

Family physicians’ sick-listing practices in relation to mental disorders: A descriptive study

2022· article· en· W4313305089 sur OpenAlexaffabout
Lauriane Drolet, Pier‐Olivier Caron, Jacques Forget, Jean-Robert Turcotte, Claude Guimond

Notice bibliographique

RevueWork · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensUniversité de MontréalUniversité TÉLUQUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésSick leaveCertificationDescriptive statisticsFamily medicineMedicineListing (finance)Mental healthDescriptive researchDuration (music)PsychologyPsychiatryNursingPhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental disorders are among the leading causes of disability for which family physicians are often required to complete sickness certificates. Yet, little is known about family physicians' sick-listing practices in Quebec. OBJECTIVE: This study aims to describe their practices, difficulties and needs. METHODS: Twenty-three family physicians completed a comprehensive questionnaire on sickness certification practices. Descriptive statistics were used. RESULTS: Despite being completed on a weekly basis, sickness certifications were deemed problematic by all participants. While they rarely refused to sick-list a patient, 43.5% reported suggesting accommodations as an alternative to sick leave. Waiting-time to access psychotherapy and delays to set-up workplace accommodations are responsible for many unnecessary sick-leave prolongations. Lack of time, long duration absences, situations where the physician held a different opinion than the patient/healthcare provider and assessing an individual's capacity to work are the most common reported problems. More than half of participants indicated medical schools do not greatly prepare them to carry out these tasks. CONCLUSION: Sickness certifications are deemed problematic, and more training might be key. Our results can be used by medical schools or bodies responsible for continuous education to improve training.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,454
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207