Financial evaluation of interventions to reduce musculoskeletal disorder risk: A scoping review
Notice bibliographique
Résumé
• More comprehensive information on financial returns of WMSD prevention is needed. • Most return on investment tools do not capture the complexity of WMSD aetiology. • Qualitative data needed to support understanding of return on investment. • Economic evaluations needed in a broader range of countries that currently available. Many interventions have aimed to reduce the incidence of work-related musculoskeletal disorders (WMSDs) which are a costly occupational health problem. However, information on the return on investment of these interventions is limited. This scoping review mapped published evidence of types of financial tools used to assess the return on investment on interventions to reduce WMSDs. The level within the organisation at which the intervention was targeted was also examined. PsycINFO, CINAHL, Web of Science and Embase were searched from 2000 to August 2023. Studies with financial evaluations of workplaces intervention/s to reduce WSMDs were included. Coding of financial tools, cost and benefit factors, and the level at which interventions were targeted was undertaken. Two review authors independently screened studies for inclusion. One author extracted data with review by a second author. Thirty-five articles met the inclusion criteria. Included studies were mostly from the US (n = 9), Canada (n = 8) and the Netherlands (n = 6). Cost-benefit, cost-effectiveness, cost-utility and return on investment approaches were used. Most commonly used cost factors included personnel, equipment, intervention costs, training, and consultant fees, and for economic benefits, productivity, absenteeism, and compensation. Current tools and approaches to economic evaluation do not take into account the likely efficacy of interventions and need to include a broader suite of cost and impact factors, based on known contributory factors such as exposure to psychosocial hazards and lead indicators such as reporting of musculoskeletal pain.
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 | 0,036 | 0,172 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,017 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».