Female Firefighter Work-Related Injuries in the United States and Canada: An Overview of Survey Responses
Notice bibliographique
Résumé
Objectives: This study explored how demographic characteristics, life experiences, and firefighting experiences have an impact on work-related injuries among female firefighters, and described events surrounding such work-related injuries. Methods: This online survey was available from June 2019 to July 2020. Questions related to demographic characteristics, life experiences, firefighting experiences, and work-related injuries. Descriptive analyses characterized variables by the presence or absence of work-related injury, injury severity, job assignment, and country of residence. Results: There were 1,160 active female firefighter survey respondents from the US and Canada, 64% of whom reported having at least one work-related injury. US respondents made up 67% of the total but 75% of the injured sample. Injured respondents were older, had been in the fire service longer, and had a greater number of fires and toxic exposures than non-injured respondents. Heavier weight, tobacco use, and alcohol consumption were more common among injured respondents. The two most common contributing factors to work-related injuries were human error and firefighter fatigue. Among respondents who reported an injury-related time loss claim, 69% were wearing protective equipment when injured, and 9% of the injuries directly resulted in new policy implementation. Conclusions: These findings can help inform resource allocation, and development of new policies and safety protocols, to reduce the number of work-related injuries among female firefighters.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».