Impact of Occupational Exposure to Chemicals in Life Cycle Assessment: A Novel Characterization Model Based on Measured Concentrations and Labor Hours
Notice bibliographique
Résumé
According to Lim et al., based on World Health Organization (WHO) data, hazardous chemicals in the workplace are responsible for over 370,000 premature deaths annually. Despite these high figures, life cycle impact assessment (LCIA) does not yet include a fully operational method to consider occupational impacts in its scope over the entire supply chain. This paper describes a novel approach to account for occupational exposure to chemicals by inhalation in LCA. It combines labor statistics and measured occupational concentrations of chemicals from the OSHA database to calculate operational LCIA characterization factors (i.e., intakes per hour worked and impact intensities for 19,069 organic chemical/sector combinations with confidence intervals across the entire U.S. manufacturing industry). For the seven chemicals that most contribute to the global impact, measured workplace concentrations range between 5 × 10(-4) and 3 × 10(3) mg/m(3). Carcinogenic impacts range over 4 orders of magnitude, from 1.3 × 10(-8) and up to 3.4 × 10(-4) DALY per blue-collar worker labor hour. The innovative approach set out in this paper assesses health impacts from occupational exposure to chemicals with population exposure to outdoor emissions, making it possible to integrate occupational exposure within LCIA. It broadens the LCIA scope to analyze hotspots and avoid impact shifting.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».