Self-management programs to ensure sustainable return to work following long-term sick leave due to low back pain: A sequential qualitative study
Notice bibliographique
Résumé
BACKGROUND: Low back pain (LBP) is a prevalent condition frequently leading to disability. Research suggests that self-management (SM) programs for chronic LBP should include strategies to promote sustainable return to work. OBJECTIVES: This study aimed to 1) validate and prioritize the essential content elements of a SM program in light of the needs of workplace representatives, and 2) identify the main facilitators and barriers to be considered when developing and implementing a SM program delivered via information and communication technologies (ICT). METHODS: A sequential qualitative design was used. We recruited workplace representatives and potential future users of SM programs (union representatives and employers) and collected data through focus groups and nominal group techniques to validate the relevance of the different elements included into 3 broad categories (Understand, Learn, Apply), as well as to highlight potential barriers and facilitators. RESULTS: Eleven participants took part in this study. The content elements proposed in the scientific literature for SM programs were found to align with potential future users' needs, with participants ranking the same elements as those proposed in the literature as the most important across all categories. Although some barriers were identified, workplace representatives believed that ICT offer an appropriate strategy for delivering individualized SM programs to injured workers who have returned to work. CONCLUSION: Our study suggests that the elements identified in the scientific literature as essential components of SM programs designed to ensure a sustainable return to work for people with LBP are in line with the needs of future users.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».