Assessing integrative prevention at work: A scoping review
Notice bibliographique
Résumé
BackgroundIntegrative prevention at work is a promising avenue to better prevent occupational injuries and manage prolonged incapacity in a changing world of work. Integrative prevention at work can be operationalized using its five defining attributes: (1) holistic vision of health, (2) common understanding of the purpose of integrative prevention, (3) communication among stakeholders, (4) collaboration among stakeholders, and (5) coordination of preventive action. An assessment tool for these characteristics would be a valuable resource for organizations seeking to improve their approach to prevention. Namely, it would allow organizations to assess the presence of integrative prevention at work in their environment and enhance their ability to implement it.ObjectiveThis study aimed to describe the evaluation tools assessing attributes of integrative prevention at work.MethodsThis scoping review followed a five-step process: 1) identifying the research question, 2) identifying relevant documents, 3) selecting documents, 4) extracting the data, and 5) examining, synthesizing, and reporting the results.ResultsTwelve evaluation tools were identified assessing one or more attributes of integrative prevention at work. Descriptive elements are provided for each tool (e.g., its purpose, the attribute(s) it assesses, and its metrological properties). Our study suggests that communication among stakeholders and collaboration among stakeholders are the attributes that are the most assessed by the evaluation tools.ConclusionsThis study provides the first comprehensive and detailed overview of the extant tools currently being used to assess the attributes of integrative prevention at work. None can assess all five attributes on a unified scale.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».