关于机器学习在返回工作研究中的使用范围的综述:优点和弱点
Reuben Escorpizo1,2, Georgios Theotokatos3,4, Carole A Tucker5
1Department of Rehabilitation and Movement Science, College of Nursing and Health Sciences, University of Vermont, 106 Carrigan Dr, Burlington, VT, 05405, USA. reuben.escorpizo@med.uvm.edu.
Journal of occupational rehabilitation
|June 28, 2023
概括
机器学习 (ML) 可以帮助识别在职业康复中预测返回工作 (RTW) 的因素. 这种方法补充了临床专业知识,以便及时和明智地做出参与工作的决定.
科学领域:
- 职业康复 职业康复 职业康复
- 医疗信息学 医疗信息学
- 机器学习应用 机器学习应用
背景情况:
- 及时返回工作 (RTW) 对工作参与至关重要.
- 将研究整合到临床实践中需要诸如机器学习 (ML) 等实用方法.
研究的目的:
- 审查有关机器学习 (ML) 在职业康复中的证据.
- 讨论ML在这个领域的优势和局限性.
主要方法:
- 根据PRISMA和Arksey/O'Malley框架进行系统审查.
- 在Ovid Medline,CINAHL,PsycINFO,Web of Science (过去10年) 的搜索结果.
- 纳入标准:同行评审,ML/学习健康系统,职业康复环境,就业成果.
主要成果:
- 分析了来自欧洲的12项研究,主要涉及肌肉骨疾病.
- ML确定了RTW的工作相关预测因素,但方法各不相同.
- 干预的细节往往没有具体说明.
结论:
- 机器学习 (ML) 在识别RTW预测器方面表现有前途.
- ML通过与临床专业知识和工人的偏好进行整合来增强基于证据的实践.
- ML支持高效和知情的RTW决策.


