Prevention in dangerous industries: does safety certification prevent tree-faller injuries?
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to evaluate if safety certification reduces the risk of work injury among experienced manual tree-fallers. METHODS: This study used a retrospective cohort study design. Experienced manual tree-fallers employed in the Canadian province of British Columbia (N=3251) between 2003-2008 were enumerated from a mandatory faller registry. Registry records with demographic and certification data were linked to workers' compensation claims for injury outcomes. Data were analyzed using discrete time survival analysis over a two-year period, centered on certification date with pre- and post-certification demarcated into four three-month periods. Models were adjusted for demographic, occupation/industry, previous injury, and seasonal/temporal effects. RESULTS: The relative risk (RR) of work injury during the post certification periods were elevated in comparison to the pre-certification reference period, but the 95% confidence intervals included "1" for all estimates by the end of follow-up, suggesting no statistically significant increased risk of injury. Results were consistent across different outcome measures of acute injury (ie, fracture or amputations) (N=186), musculoskeletal injury (ie, back strain) (N=137), and serious injury claims (ie, long duration, high cost and/or fatal) (N=155). CONCLUSION: Certification did not reduce the risk of work injury among experienced tree-fallers in the province of British Columbia. Non-statistically significant increases in the observed risk of work injury in the months immediately following certification may be attributable to an intervention effect or a methodological limitation related to a lack of individual-level, time-at-risk exposure data.
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 | 0,001 | 0,000 |
| 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 ».