Occupational injuries and fatalities in a tanzanite mine: Need to improve workers safety in Tanzania
Notice bibliographique
Résumé
INTRODUCTION: Work related injuries are common, and the mining industry accounts for a significant proportion of these injuries. Tanzania is among the countries with high rates of mining injuries, nevertheless pre-hospital care is almost non existant and health care service deliveries are poor. This study sought to identify factors associated with injuries and fatalities among miners in Mererani, Tanzania. METHODS: A Cross - Sectional study of miners who sustained injuries and seen at Mererani health centre between January 2009 and May 2012. RESULTS: In the selected period 248 injury patients were seen. All were males, and 54% were between 18 - 30 years age-group. Almost all (98.7%) didn't use protective gears at work, and worked for more than 12 hours daily. Falling rocks were the leading cause of injury (18.2%), and majority sustained multiple injuries (33%). Of the patients seen, 41.3% died. The following were more likely to die than others; Primary education (p = 0.04), Less than 5 years work experience (p = 0.000), unintentional injuries (p = 0.000), fall injuries (p = 0.000) and sustaining multiple injuries (p = 0.000). CONCLUSION: The burden of injuries and fatalities demonstrated in this study, point to the need for implementation and monitoring of the use of safety equipment and operating procedures of the mines by government and other regulatory authorities. Initiation of pre hospital care at the mines and improved emergency medical service delivery at health centers in Tanzania.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».