P-602 CHALLENGES AND LEVERS IN DISABILITY MANAGEMENT AND SUSTAINABLE RETURN TO WORK IN SMALL AND MEDIUM ENTERPRISES
Notice bibliographique
Résumé
Abstract Introduction Recommended practices on disability management and return to work (RTW), mainly studied in large companies, cannot necessarily be applied in small and medium enterprises (SME). This presentation aims to elucidate some challenges and levers associated with achieving sustainable RTW in SME. Methods A qualitative research design, including semi-structured interviews with 8 SME managers in the manufacturing sector, and 2 focus groups with 16 external stakeholders (health professionals, ergonomists, mutual prevention agents and insurers) were conducted. Content analyses of the verbatim were performed, using a mix-coding method and an iterative and consensus-driven approach reached (3 inter-raters). Results Despite some interest in practices oriented towards sustainable RTW, participants indicated a lack of resources and some deficiencies in the structural frameworks hindering their effective implementation in SME. Identified challenges were the expertise and experience of those responsible for managing workplace injuries, and interfaces that complicate efficient communication between medical professionals, insurers and mutual prevention agents. These challenges appear most pronounced in smaller companies, unable to compensate for this shortfall through the close internal relationship between players. Explicit, easy-to-apply procedures, along with the support of professionals, are the main levers identified to promote sustainable RTW. Discussion Streamlined, collaborative and comprehensive practices emerge as essential catalysts in decision-making concerning the management of injured employees within SMEs. The emphasis on collaboration proves particularly important in such environments. Conclusion Innovative practices have the capacity to provide enhanced support for achieving sustainable RTW outcomes among a population of workers who frequently remain on the periphery of occupational health initiatives within smaller workplaces.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 ».