MétaCan
Menu
Retour à la cohorte
Enregistrement W4403245241 · doi:10.1001/jamasurg.2024.4285

Unemployment and Personal Income Loss After Traumatic Brain Injury

2024· article· en· W4403245241 sur OpenAlexaffabout
Armaan K. Malhotra, Rachael H. Jaffe, Husain Shakil, François Mathieu, Avery B. Nathens, Abhaya V. Kulkarni, Calvin Diep, Eva Y. Yuan, Karim S. Ladha, Peter C. Coyte, Jefferson R. Wilson, Walter P. Wodchis, Christopher D. Witiw

Notice bibliographique

RevueJAMA Surgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensHospital for Sick ChildrenSunnybrook Health Science CentreTrillium Health CentreUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineTraumatic brain injuryUnemploymentPersonal incomeInjury preventionRetrospective cohort studyCohortOccupational safety and healthObservational studyPoison controlPsychiatryEmergency medicineDemographySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: Employment and personal income loss after traumatic brain injury is a major source of postinjury stress and a barrier to societal reintegration. The magnitude of labor market ramifications following traumatic brain injury remains largely unknown. Objectives: To quantify the 3-year postinjury labor market consequences following traumatic brain injury in Canada. To also estimate the incurred national labor market cost over the study period. Design, Setting, and Participants: This retrospective quasi-experimental, pan-Canadian observational cohort study used linked administrative health and federal taxation data obtained between 2007 and 2017. Mixed-effects difference-in-difference regressions were constructed to estimate the annualized magnitude of the personal income and employment loss during each of the 3 years following injury, respectively, relative to preinjury baseline. Participants included tax-filing adult (19 to 61 years old) traumatic brain injury survivors. Exposure: Traumatic brain injury. Main Outcome Measures: Coprimary outcomes were personal income loss and the proportion of newly unemployed individuals per annum. Secondary objectives were to quantify income and employment loss within mild, moderate, and severe traumatic brain injury subgroups. Results: A total of 18 050 patients with traumatic brain injury between 2007 and 2017 were identified (mean age, 38.0 [SD, 12.4] years; 13 360 male [74.0%]), each of whom was followed up with for 3 consecutive fiscal years. Mean income was CAD $42 600 (US $31 083) in the fiscal year prior to injury and 82% were employed at time of injury. The adjusted mean loss of personal income was CAD $7635 (US $5650) in the first year after injury (Y+1) and CAD $5000 (US $3700) in the third year after injury (Y+3) relative to uninjured controls. In each of the 3 postinjury years, 7.8% individuals were newly unemployed compared with the preinjury baseline. The adjusted average personal income loss for mild, moderate, and severe traumatic brain injury subgroups were CAD $3354 (US $2482), CAD $6750 (US $4995), and CAD $17 375 (US $12 859), respectively, at Y+3; the proportion of unemployed individuals increased by 5.8%, 9.2%, and 20% across the same groups at Y+3 after injury relative to preinjury baseline. The estimated total reduction in personal income aggregated over the 3 postinjury years for the affected participants was CAD $588 million (US $435 million). Conclusions and Relevance: This work represents national cohort data quantifying the labor market implications of traumatic brain injury. These results may be used to inform economic evaluations and social service resource allocation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,531
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,058
Tête enseignante GPT0,343
Écart entre enseignants0,285 · 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

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA SurgeryMême sujetTraumatic Brain Injury ResearchTravaux en français237 207