System Approach for Characterizing and Evaluating Factors for Occupational Health Impacts Due to Nonfatal Injuries and Illnesses for the Use in Life Cycle Assessment
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Occupational injuries and illnesses are major risk factors for human health impacts worldwide, but they have not been consistently nor comprehensively considered in life cycle impact assessment (LCIA) methods. In this study, we quantified occupational health impacts as disability-adjusted life years (DALYs) for nonfatal injuries and illnesses in all US industries. We further applied an economic input–output model of the US economy to develop a new data set of characterization factors (CFs) that links direct and indirect occupational health impacts to product life cycle final demand. We found that the CF data set varies significantly by industry, ranging from 6.1 to 298 DALYs per billion dollars. About 20% of final demand in the US economic system contributes nearly 50% of the total impacts of occupational health, suggesting occupational health impacts are concentrated in a small portion of industries. To verify the feasibility of the CFs and demonstrate their importance, we included a case of an office chair. The occupational health impacts caused by nonfatal injuries and illnesses during the production of an office chair are of the same order of magnitude as those caused by chemical emissions across the chair’s life cycle, with 1.1 × 10 –5 and 1.4 × 10 –5 DALYs per chair, respectively. Results and data sets derived from this study support the integration of occupational health impacts with LCIA methods.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».