Estimating the financial benefits of employers’ occupational health and safety expenditures
Notice bibliographique
Résumé
While employer expenditures on occupational health and safety (OHS) in high income countries can be substantial, the financial benefits of these expenditures are not well described. The objective of this study is to apply a transparent methodology to estimate the financial return to employers from OHS expenditures in the Canadian province of Ontario . There were three phases in the study workplan: establishing an accurate estimate of the average direct cost of disabling work injury or illness; identifying employers in the construction, transportation and manufacturing sectors with a low incidence of work-related injury and illness; and the application of a set of plausible assumptions to estimate the financial benefits of OHS expenditures in this sample of employers with strong OHS performance. Financial benefits combined estimates of the tangible financial benefits arising from averted disabling work-related injury and illness and intangible financial benefits associated with improved employee retention and morale, improved production quality and strengthened corporate reputation. Applying these plausible assumptions, the average return on OHS expenditures was 1.24 for 289 manufacturing employers, 2.14 for 56 transportation employers and 1.34 for 88 construction employers. There was variation around these average return on investment values; 138 employers (32% of the sample) had an estimated return on investment less than 1.0, and 295 employers (68% of the sample) had a return on investment estimate greater than 1.0. The estimates of average financial return among large Ontario employers in three important economic sectors , while moderate, are positive, in the range of 1.24 to 2.14. These estimates are consistent with the range of estimates available from research in this field over the past decade.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».