1999 Young Investigator Research Award Winner
Notice bibliographique
Résumé
STUDY DESIGN: Prospective inception cohort study. OBJECTIVE: To develop a prognostic model that predicts time receiving workers' compensation benefits for low back pain claimants. SUMMARY OF BACKGROUND DATA: As the cost and difficulty of managing low back pain escalate, any predictor of outcome is advantageous. METHODS: To obtain the outcome and predictor variables, patient data from two separate databases were linked: a clinical database and an administrative (Ontario workers' compensation) database. Claimants injured between January 1 and December 31, 1994, were included and observed for 1 year from the date of accident. The outcome variable was cumulative number of calendar days receiving benefits. RESULTS: Multivariable Cox proportional hazards regression (forward stepwise) showed eight significant predictors; five were associated with increased time receiving benefits compared with their reference groups: 1) working in the construction industry, 2) older age, 3) lag time from injury to treatment, 4) pain referred into the leg, and 5) three or more positive Waddell nonorganic signs. Three predictors were associated with reduced time receiving benefits: 1) higher values of questionnaire score, 2) intermittent pain, and 3) a previous episode of back pain. A predictive score was calculated to categorize claimants as at high or low risk for chronicity. When an arbitrary cutoff point was set at the 75th percentile of predictive score, negative predictive value was 94%. CONCLUSION: This research identified eight factors for time receiving workers' compensation benefits among claimants with low back pain. This model discriminates between high- and low-risk claimants. Few low-risk claimants continued to receive benefits for more than 3 months.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».