What do employers spend to protect the health of workers?
Notice bibliographique
Résumé
Objective This study aimed to estimate firm-level expenditures on occupational health and safety (OHS) for a representative sample of Canadian employers. Methods A cross-sectional survey of 334 employers with ≥20 employees in 18 economic sectors in the Ontario economy. Participants provided information on five dimensions of OHS expenditures: (i) organizational management and supervision; (ii) staff training in health and safety; (iii) personal protective equipment; (iv) professional services and, (v) estimates of the share of new capital investment that could be attributed to improved OHS performance. Expenditures for each of the five dimensions were summed for each organization and divided by the number of employees, resulting in an estimate of OHS expenditure per employee per year. Results The average OHS expenditure per worker per year was Can$1303 [95% confidence interval (CI) Can$1167-1454]. Expenditures were three times higher in the goods-producing sectors (Can$2417, 95% CI Can$2026-2809) relative to the service sectors (Can$847, 95% CI Can$777-915). The proportion of expenditures allocated to each of the five dimensions was generally consistent across economic sectors: 58% to organizational management and supervision, 22% to staff training in health and safety and 14% to personal protective equipment. On average, <5% of OHS expenditures per worker per year were allocated to professional services or estimated as the share of new capital investment attributed to OHS. Conclusions Employer expenditures on OHS are substantial. The results of this study are consistent with recent European estimates and strengthen understanding of the scale of employer financial expenditures to protect the health of workers.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».