What Are the Determinants of the Sex/Gender Difference in Duration of Work Absence for Musculoskeletal Disorders? A Mixed-Studies Systematic Review
Notice bibliographique
Résumé
Background/Objectives: Musculoskeletal disorders (MSDs) contribute to work disability arising from personal and work-related physical, organizational and psychosocial factors that often differentially affect men and women. We aimed to identify determinants of the sex/gender difference in duration of MSD work absence through a mixed-studies systematic review. Methods: We synthesized evidence using the Grading of Recommendations, Assessment, Development and Evaluation (GRADE) approach adapted to prognostic studies and meta-ethnography for qualitative studies, followed by a mixed synthesis. Results: Twenty-six quantitative and four qualitative studies contributed to the evidence synthesis. Only two of the twenty-six quantitative studies addressed the sex/gender gap directly, compared to three of the four qualitative studies. Most other quantitative studies provided evidence from sex/gender-stratified analyses of determinants of MSD disability. The synthesis of qualitative studies suggested that domestic strain, less access to modified work/retraining, and gender-biased attitudes of health and insurance system gatekeepers hindered women’s return to work. Prognostic factors in women supporting this conclusion from quantitative studies included the combination “working ≥ 40 h/week and having dependents” and low supervisor support. The mixed synthesis yielded a conceptual model of hypothesized determinants of the sex/gender difference in MSD work disability that integrates factors from personal, workplace, healthcare and insurance–disability management spheres, influenced by the larger sociopolitical, cultural and macroeconomic context. Conclusions: Studies directly addressing the sex/gender gap in MSD disability are needed. These can be informed by the proposed model. Practitioners and policymakers can build upon the model to develop and implement MSD prevention and rehabilitation interventions tailored to the needs of men and women to reduce sex/gender disparities.
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 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,014 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».