Prévention de la désinsertion professionnelle et retour au travail
Bibliographic record
Abstract
Contexte En France, le retour au travail (RaT) et le maintien en emploi après un long arrêt maladie sont des enjeux cruciaux pour les risques de désinsertion professionnelle significatifs après une reprise. La désinsertion professionnelle, influencée par divers facteurs liés au travail et à la santé, nécessite une sensibilisation, une prévention et un accompagnement adaptés pour le maintien au travail. L’existence de divers acteurs pour soutenir cette démarche complique l’accès aux dispositifs disponibles, d’où la nécessité d’une coordination. La Loi santé au travail du 2 août 2021 impose aux services de prévention et de santé au travail (SPST) la création de cellules de prévention de la désinsertion professionnelle (PDP) qui ont notamment pour mission la coordination des actions d’accompagnement du RaT auprès des acteurs. Objectif Cette recherche exploratoire retient le cas d’une cellule PDP développée au sein d’un SPST rural et s’intéresse au processus de coconstruction d’une collaboration pluripartenariale et d’accompagnement du RaT entre un SPST, l’Assurance Maladie et un prestataire spécialisé dans le maintien en emploi des travailleurs en situation de handicap. Notre contribution vise à décrire comment se développe le processus de collaboration pluripartenariale entre ces acteurs et quels rôles jouent les facteurs organisationnels et les représentations de la désinsertion professionnelle propres à chaque professionnel dans le développement de cette collaboration. Méthode La méthodologie de recherche qualitative s’appuie sur l’observation de réunions et l’accomplissement d’une tâche d’association verbale auprès des différents acteurs. L’objectif est d’identifier les leviers et freins à la collaboration, ainsi que d’analyser les perceptions des partenaires. Résultats L’analyse des échanges a identifié des leviers (échange, coordination, complémentarité) et des freins (mode de fonctionnement, rôle, charge de travail). Les leviers favorisent une meilleure qualité des échanges et une structuration des actions, tandis que les freins sont liés à des problèmes de disponibilité et d’écart entre le prescrit et le réel en raison de contraintes administratives et de ressources humaines. La coconstruction d’un outil de collaboration a facilité les interactions entre les partenaires, la prise de décision des acteurs et amélioré l’efficience du RaT. Les résultats montrent que la collaboration nécessite une clarification des rôles et des attentes de chacun sur la durée. Les représentations de la désinsertion professionnelle montrent des points communs et des divergences entre les différents acteurs. Même si l’accompagnement semble être un élément central de la représentation de la désinsertion professionnelle, d’autres éléments rendent davantage compte d’une variabilité interprofessionnelle. Conclusion Ces travaux soulignent l’importance d’un temps nécessaire pour permettre l’interconnaissance des rôles et des représentations dans le développement du collectif de travail, essentiel pour pérenniser cette collaboration pluripartenariale. La coconstruction d’un outil s’avère être un levier important pour instaurer une collaboration efficace où la collaboration s’est construite dans un espace de représentations « partagées » plutôt que « communes ».
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
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".