Kabbalah: la armonía de los opuestos : tratado que explica las alegorías bíblicas y el significado de los números
Notice bibliographique
Résumé
Electronic waste recycling (e-recycling) involves manual operations that expose workers to toxic metals. We aim to describe occupational health and safety practices and workers' exposures to metals in the Canadian formal e-recycling industry, and to estimate the health risk associated with multiple exposures. This cross-sectional study documented practices through observations and questionnaires, and assessed metal exposures using personal air samples and biomarkers. Health risks were estimated relative to recognised occupational exposure guidelines, and using an additive approach for consideration of multiple exposures. Six e-recycling and one commercial recycling facilities were investigated, and the metal exposures of 99 workers (23 women) were measured. In most facilities, dust control was inadequate and personal protective equipment was improperly worn. In e-recycling, lead was detected in all air samples and in most blood samples, up to 48 µg/m<sup>3</sup> and 136 µg/l, respectively. Other quantified metals included beryllium, mercury, arsenic, barium, cadmium, chrome, cobalt, copper, indium, manganese, nickel and yttrium. When handling cathode ray tube screens, workers were 4.9 times and 8.5 times more likely to be exposed to lead and yttrium, respectively, than workers who were not assigned to a specific type of electronics. Overall, exposures were largely associated with facility size and airborne dust concentration. The additive hazard indices for airborne exposures raised concerns for kidney disorders, for peripheral and central nervous systems, and for the male reproductive system. Minimizing airborne dust through collective control methods and adequately using personal protection should reduce metal exposures and associated health risks in this growing industry.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».