Mining Migrant Worker Recruitment Policy and the Production of a Silicosis Epidemic in Late 20th-Century Southern Africa
Notice bibliographique
Résumé
Objectives: Between the 1980s and 2000s, an epidemic of silicosis was identified in migrant black gold miners, many from neighbouring countries, who had worked in the South African gold mines. This study uses the newly available employment database of a large gold mining company to demonstrate how a sustained rise in employment duration in a new cohort of black migrant workers resulted from changes in recruitment policy, and it examines the implications for current surveillance and redress. Methods: Contract data of 300,774 workers from the employment database of a multi-mine gold mining company were analysed for 1973-2018. Piecewise linear regression was applied to determine trends in cumulative employment, including South African versus cross-border miners. The proportions with cumulative employment of at least 10, 15, or 20 years, typical thresholds for chronic silicosis, were also calculated. Results: Five calendar phases were identified between 1973 and 2018. During the second phase, 1985-2013, mean cumulative duration of employment rose fivefold, from 4 to 20 years. Cumulative employment continued to rise, although more slowly, before peaking in 2014 at 23.5 years and falling thereafter to 20.1 years in 2018. Over most of the 1973-2018 period, miners from neighbouring countries had greater cumulative employment than South African miners. Overall, the proportion of miners exiting with at least 15 years of cumulative employment rose from 5% in 1988 to 75% in 2018. This report identifies a number of fundamental changes in labour recruitment policy in the gold mining industry in the 1970s which provide an explanation for the subsequent rise in cumulative exposure and associated silicosis risk. Conclusions: These new data support the hypothesis of a silicosis epidemic driven by increasing cumulative silica dust exposure in a new cohort of circular migrant workers from the 1970s. They inform current programmes to improve surveillance of this neglected population for silicosis and related disease and to provide medical examinations and compensation to a large number of former gold mines. The analysis highlights the lack of information on cumulative employment and silicosis risk among migrant miners in previous decades. The findings have global relevance to the plight of such migrant workers in hazardous occupations.
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 ».