A comparison of licensed and un-licensed artisanal and small-scale gold miners (ASGM) in terms of socio-demographics, work profiles, and injury rates
Notice bibliographique
Résumé
BACKGROUND: Artisanal and small-scale gold mining (ASGM) represents one of the most hazardous work environments. While formalization of this sector has been suggested (e.g., Minamata Convention) as a means to improve working conditions, we are unaware of empirical evidence that supports this notion. This study aimed to compare sociodemographic profiles, work profiles, and injury rates among miners working in licensed versus un-licensed ASGM sites. METHODS: In the Tarkwa mining region of Ghana, 404 small-scale miners were recruited in 2014 and interviewed regarding their occupational injury experiences over the preceding 10 years. Workers were drawn from 9 mining sites, of which 5 were licensed and 4 were not licensed. RESULTS: Sociodemographic characteristics of miners from the two groups were relatively similar. Those currently working in an un-licensed mine have spent more time in the ASGM sector than those currently working in a licensed mine (94 vs. 70 months). Miners working in an un-licensed site tended to experience more injury episodes (e.g., 26% vs. 8% had 3 or more injury events) and not use personal protective equipment during the time of an injury (92% indicated to not using vs. 73%) when compared to miners working in a licensed site. A total of 121 injury episodes were recorded for 2245 person years of ASGM work. The injury rate for those working in un-licensed mines was 5.9 per 100 person years (59 injuries in 995 person years) versus 5.0 (62 injuries in 1250 person-years) in the licensed mines. When focusing on the male miners, there was a significant difference in injury rates between those working in a licensed mine (4.2 per 100 person years) versus an un-licensed mine (6.1 per 100 person years). CONCLUSIONS: These findings advance our understanding of injuries amongst ASGM workers, and help identify important differences in socio-demographics, work profiles, and injury rates between miners working in a licensed versus and un-licensed site. The findings suggest that certain working conditions in a licensed site may be safer.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».