P-598 MAPPING TOOLS TO FACILITATE STRATEGIC DECISION-MAKING WHEN RETURNING TO WORK FOLLOWING A DISABILITY
Notice bibliographique
Résumé
Abstract Introduction Reaching a shared decision between return to work (RTW) stakeholders is complex when their positions clash and they try to influence decision-making processes. Negotiation then becomes key to a successful RTW. This review aims to map existing negotiation tools. Methods We conducted a mapping review using eight databases (APA PsycInfo, MEDLINE, SocINDEX, ProQuest One Business, Business Source Complete, Scopus, Érudit and Cairn) between July 28 and August 11 2023. The Boolean equation and screening criteria were developed with a librarian based on a negotiation framework. English and French publications were considered. References were recorded in Covidence to be screened by two independent reviewers. To be retained, publication had to: (1) address a negotiation tool (i.e., a means of shaping or influencing decision-making or stakeholders’ attitude); and (2) be applicable in a work or RTW context. Data will be aggregated and summarized in descriptive and operational tables. Results A total of 4,893 references were screened to generate a descriptive table of the publications and a tool inventory. The inventory includes when, by whom, and why to use each tool in RTW negotiation (e.g., preparing for negotiations or influencing decision-making or attitude) and design (e.g., questionnaire, intervention or interview). It will be available for presentation at the conference. Discussion To our knowledge, this is the first study to list useful tools for guiding RTW stakeholder negotiation. Conclusion This study identifies relevant tools and will facilitate adapting them as necessary for a strategic decision-making program to be developed with a RTW coordinator.
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 | 0,003 | 0,005 |
| 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 | 0,000 | 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) | 0,002 | 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 ».