Climate Change and Occupational Heat Strain Among Women Workers: A Systematic Review
Notice bibliographique
Résumé
Climate change increases heat stress exposure and occupational heat strain in tropical and subtropical regions with generally hot-humid climate conditions. The present systematic review was conducted to assess the effect of climate change on occupational heat strain among women workers. In this study, three main databases (PubMed, Scopus, and Web of Science) were searched to find relevant literature on climate change and its effects using subject headings and appropriate MeSh terms. This article has been written according to the PRISMA checklist. A total of 6,176 studies were identified for screening and 13 studies were eligible for data extraction. Scientific evidence reveals that there is an imprecise but positive relationship between climate change and occupational heat strain regarding women workers. Some complications associated with occupational heat strain among women workers include fatigue, discomfort, dehydration, reduced brain function, and loss of concentration. Climate change can lead to an increase in the occurrence of heat-related illnesses and the levels of injury risk. In addition, its adverse health effects on women workers are mentioned. This systematic study identifies key priorities for action to better characterize and understand how occupational heat strain among women workers may be associated with climate change events. Strong evidence indicates that climate change will continue to cause occupational heat strain among women workers. It is essential to implement preventive measures considering multidisciplinary strategies to reduce the adverse effects of climate change on women workers health in hot weather settings. This can limit the health risks and negative effects of climate change.
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) | 0,002 | 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) | 0,001 | 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 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 ».