Towards better control of chemical risks associated with mining operations in Quebec (Canada) Part 1: Repertory of chemicals used in mining
Notice bibliographique
Résumé
Abstract As of 2020, the mining industry in the province of Quebec (Canada) has been providing 16,000 jobs, the majority of these in the north part of the province and in the Abitibi-Témiscamingue region. From the exploration phase to the mining site rehabilitation phase, numerous chemical processes are used, often involving some of the most dangerous substances used on industrial scales. The hazards associated with many of these substances are in some cases not obvious, and symptoms of exposure may take years to appear. The risks associated with the industrial use of chemicals in Canada and abroad has long preoccupied health authorities, given the severity of the diseases that can occur. In Quebec, occupational diseases associated with exposure to industrial chemicals are reaching 1,500 cases per year. The principal focus of this study, presented in two articles, is to set a preliminary theoretical framework for categorizing chemicals in terms of their effects on the health of workers throughout the various phases of mining projects. The objective is to decrease (over the long term) the number of occupational diseases due to the use of chemicals by raising awareness among employers and exposed workers in the mining sector. This research was conducted in four phases. The present article contains the results of the first two stages, that is, a review of the literature to catalog the industrial chemicals used in mines and to list the potential effects of exposure to them, based on Safety Data Sheets. Eighty-five (85) chemicals used in at least one mining project phase and dozens of potential effects on worker health were identified. The rest of the study is presented in a second article [1]
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) | 0,000 | 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) | 0,000 | 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 ».