P-407 CALCULATING DATA FOR NATIONAL OCCUPATIONAL HEALTH AND SAFETY NATIONAL PROFILES IN ACCORDANCE WITH ILO RECOMMENDATION 197
Notice bibliographique
Résumé
Abstract Introduction Developing national occupational health and safety (OHS) profiles involves data collection and analysis to illuminate a country’s workplace safety landscape. This abstract explores data calculation methodologies for comprehensive national OHS profiles while adhering to the International Labour Organization (ILO) Recommendation 197. Methodology The data calculation process for national OHS profiles involves gathering information from diverse sources, including government records, industry reports, surveys, and health databases. This data encompasses workplace injury rates, hazard exposure, safety regulation compliance, and workforce demographics, aligning with ILO Recommendation 197. Results Analyzed data identifies trends, patterns, and disparities in OHS performance across sectors and regions, in line with the spirit of Recommendation 197. Key metrics such as injury frequency and severity rates quantitatively represent workplace safety challenges, ensuring they adhere to ILO guidelines. Discussion Adhering to the principles of Recommendation 197 is vital for meaningful national OHS profiles. Challenges like underreporting and data collection variations impact accuracy. Standardizing data collection methods and improving reporting practices, in accordance with ILO recommendations, enhances data precision. Conclusion The calculation of data for national OHS profiles requires a systematic and holistic approach. Adhering to ILO Recommendation 197 enhances the reliability and comparability of the collected data. As stakeholders strive to create standardized methodologies for data calculation and reporting, in alignment with international guidelines, they contribute to a safer and healthier work environment on a national level. The application of Recommendation 197 ensures that national OHS profiles not only provide accurate insights but also resonate with globally recognized best practices.
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 | 0,155 | 0,450 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,065 |
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 ».