Systematic review and tools appraisal of prognostic factors of return to work in workers on sick leave due to musculoskeletal and common mental disorders
Notice bibliographique
Résumé
With the overall objective of providing implication for clinical and research practices regarding the identification and measurement of modifiable predicting factors for return to work (RTW) in people with musculoskeletal disorders (MSDs) and common mental disorders (CMDs), this study 1) systematically examined and synthetized the research evidence available in the literature on the topic, and 2) critically evaluated the tools used to measure each identified factor. A systematic search of prognostic studies was conducted, considering four groups of keywords: 1) population (i.e., MSDs or CMDs), 2) study design (prospective), 3) modifiable factors, 4) outcomes of interest (i.e., RTW). Studies showing high risk of bias were eliminated. Tools used to measure prognostic factors were assessed using psychometric and usability criteria. From the 78 studies that met inclusion criteria, 19 (for MSDs) and 5 (for CMDs) factors reaching moderate or strong evidence were extracted. These factors included work accommodations, RTW expectations, job demands (physical), job demands (psychological), job strain, work ability, RTW self-efficacy, expectations of recovery, locus of control, referred pain (back pain), activities as assessed with disability questionnaires, pain catastrophizing, coping strategies, fears, illness behaviours, mental vitality, a positive health change, sleep quality, and participation. Measurement tools ranged from single-item tools to multi-item standardized questionnaires or subscales. The former generally showed low psychometric properties but excellent usability, whereas the later showed good to excellent psychometric properties and variable usability. The rigorous approach to the selection of eligible studies allowed the identification of a relatively small set of prognostic factors, but with a higher level of certainty. For each factor, the present tool assessment allows an informed choice to balance psychometric and usability criteria.
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 | 0,032 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,011 |
| Bibliométrie | 0,025 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».