Workplace heat exposure, health protection, and economic impacts: A case study in Canada
Notice bibliographique
Résumé
BACKGROUND: Occupational heat exposure is a serious concern for worker health, productivity, and the economy. Few studies in North America assess how on-site wet bulb globe temperature (WBGT) levels and guidelines are applied in practice. METHODS: We assessed the use of a WBGT sensor for localized summertime heat exposures experienced by outdoor laborers at an industrial worksite in Ontario, Canada during the warm season (May-October) from 2012 to 2018 inclusive. We further examined informed decision making, approximated workers' predicted heat strain (sweat loss, core temperature), and estimated potential financial loss (via hourly wages) due to decreased work allowance in the heat. RESULTS: Significantly higher worksite WBGT levels occured compared with regional levels estimated at the airport, with an upward trend in heat warnings over the 7 years and expansion of warnings into the fall season. The maximum WBGT during warnings related strongly to predicted hourly sweat loss. On average, 22 hours per worker were lost each summer (~1% of annual work hours) as a result of taking breaks or stopping due to heat. This amount of time corresponded to an average individual loss of C$1100 Canadian dollars (~C$220,000 combined for ~200 workers) to workers or the company. The additional losses for an enterprise due to reduced product output were not estimated. CONCLUSIONS: Worksite observations and actions at the microscale are essential for improving the estimates of health and economic costs of extreme heat to enterprises and society. Providing worksite heat metrics to the employees aids in appropriate decision making and health protection.
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) | 0,001 | 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) | 0,001 | 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 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 ».