UM MODELO BASEADO EM EVIDÊNCIAS PARA A PREVENÇÃO DA INCAPACIDADE DECORRENTE DOS ACIDENTES DE TRABALHO NA INDÚSTRIA: O MODELO DE SHERBROOKE
Bibliographic record
Abstract
PDF | O absenteísmo por doenças osteomusculares relacionadas ao trabalho representa alto custo para a saúde e impacta na produtividade dos centros de trabalho em países industrializados. Este estudo pretende apresentar um modelo testado e inovativo de gerenciamento, que pode ser uma ajuda para indústrias que desejam evitar prolongadas ausências no trabalho, custos a elas relacionados e suas negativas conseqüências para a saúde e bem-estar da força de trabalho. O modelo de Sherbrooke foi desenvolvido e testado por meio de um experimento clínico randomizado no Canadá, em 31 centros de trabalho que empregam mais de 175 trabalhadores. Seu objetivo foi prevenir a incapacidade prolongada através de mudanças nos locais de trabalho e intervenção clínica, oferecida em período subagudo das ausências no trabalho, devido à lombalgia ocupacional (1-3 meses). Esta intervenção foi oferecida por uma equipe de trabalho interdisciplinar, em colaboração com parceiros das indústrias (empregadores e associações). Os resultados têm mostrado que o modelo de Sherbrooke é eficaz, tornando 2,4 vezes mais rápido o retorno ao trabalho regular e melhorando o status funcional dos trabalhadores. Também, as avaliações econômicas, feitas em um período de seis anos, demonstraram economias consideráveis para o grupo previdenciário dos trabalhadores (totalmente financiada por empregadores). Os resultados encontrados mostram um retorno de mais de $5 para cada $1 investido. Este modelo pode ser adaptado aos centros de trabalho e aos trabalhadores brasileiros.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.020 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".