MétaCan
Menu
Retour à la cohorte
Enregistrement W4214627565 · doi:10.4236/health.2022.142020

Occupational Heat Stress in the Floriculture Industry of Ethiopia: Health Risks and Productivity Losses

2022· article· en· W4214627565 sur OpenAlexfundno aff
Belay Simane, Abera Kumie, Kiros Berhane, Jonathan M. Samet, Tord Kjellström, Jonathan A. Patz

Notice bibliographique

RevueHealth · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Environmental Health SciencesInternational Development Research CentreFogarty International CenterNational Institutes of HealthCenters for Disease Control and PreventionNational Institute for Occupational Safety and HealthGeneral Administration of Customs
Mots-clésWet-bulb globe temperatureEnvironmental healthHeat stressProductivityGreenhouseEnvironmental scienceMedicineEconomicsAgronomyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Background: The Ethiopian flower industry is growing fast with successful diversification of export products under greenhouse structures. Higher temperatures in the greenhouses pose a serious threat to the health of workers and add to the risk of occupational heat stress. Excessive heat in workplace settings also reduces work capacity and labour productivity. This study aims to investigate the level of heat exposure, and workers’ and managers’ perceptions and behavioural responses towards extreme heat exposure in a warming climate. Methods: We used the Wet Bulb Globe Temperature (WBGT) measured in representative greenhouses to capture the heat exposure during hotter and cooler seasons following ISO 7243 (generally risk of heat stress occurs when WBGT exceeds 26°C). A comparative cross-sectional study design with a stratified sampling method was used to assess occupational heat stress and workers’ perceptions of the impact of heat on their health and productivity in six different floriculture greenhouses in Ethiopia representing three different agro-ecologies and products. A questionnaire survey was conducted (30 managers/supervisors and 305 workers; 76.1% female) to capture perceptions on heat exposures, symptoms of potential health impacts, productivity losses and coping mechanisms. Results: Heat exposure varied across different agroecologies, product types and greenhouse materials with a median WBGT Index of 25.5°C and a range from 18.1°C to 31.5°C. The impact of heat stress also varied across different employment sectors and geographical regions. Overall, workers in cut-flower greenhouses are exposed to higher than recommended WBGT Index (26°C) for 3 - 6 working hours daily. 65% of the managers reported that heat stress has a significant impact on the workers’ labour productivity, but do not have guidance about working in hot conditions. Workers reported more heat-related health issues and reduced productivity, especially in the mid-altitude greenhouses. About 50% of the workers reported that heat exposure decreased work productivity during hot hours. Sweating, exhaustion, heat-rashes, dehydration, crumps, nausea and headache were self-reported health issues. Labour productivity losses ranged from no loss to 19.5% in the mid- and low-altitudes. Conclusions and Recommendations: Excessive workplace heat in the greenhouses is both an occupational health hazard and detrimental to productivity in the floriculture industry. However, the level of understanding and actions on the ground regarding occupational heat stress are low. The code of conduct in place now does not consider the occupational heat stress issues. Multiple actions (engineering, management, training and policy-related recommendations) have to be implemented by Ethiopian Horticultural Producers and Exporters Association (EHPEA) and farm owners to mitigate heat stress and loss of productivity. Designing and implementing these heat prevention strategies and incorporating them into the code of conduct is in the interests of both employers and employees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,391
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthMême sujetClimate Change and Health ImpactsTravaux en français237 207