RISK FACTORS FOR FATALITIES IN SMALL UNDERGROUND COAL MINES IN THE U.S.
Notice bibliographique
Résumé
Background The rate of fatal injuries for small underground coal mines (≤20 employees) has consistently been greater than the rate at larger mines. Despite differences between small and large mine characteristics, questions remain regarding reasons for the fatality differences. Objective Explore whether small mines operated more intermittently than large mines, to determine if operational instability contributes to fatalities. Methods A case control study using data from the U.S. Mine Safety and Health Administration from 1983 to 2006. Case mines (fatality; n = 139) were identified by the quarter in which a fatality occurred. Control mines (no fatality) were randomly selected (5:1), without replacement, and were matched with case mines if they were operating during the quarter in which the fatality occurred. Student's matched t-test was used to analyze differences between cases and controls for each of the four quarters prior to the fatality for key factors. Matched logistic regression analyses were also used. Results There were no significant differences between cases and controls in the number of employees, hours per employee, or productivity for any of the four quarters prior to the fatality. Recent periods of low productivity, followed by the addition of new workers and an increase in hours worked, were found to be associated with an increased risk of fatality. Significance Results support the implications of a sudden increase in workforce size, overtime, and workload, presumably, to respond to increased needs for coal. Prevention strategies and policies are needed to address risks from operational instability and excess production.
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 | 0,003 | 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) | 0,000 | 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 tête enseignante, 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 ».