A holistic approach for assessing occupational health risk due to fugitive emissions in petrochemical processes: Inherent health hazard level index ( <scp>IHHLI</scp> )
Notice bibliographique
Résumé
Abstract Fugitive emissions from petrochemical facilities have become a major concern due to their impact on plant productivity, the environment, and health. In regard to health, petrochemical workers are at higher occupational health (OH) risk due to their continuous exposure to these harmful emissions. Inherent OH and safety indexes are the most common methods used for assessing OH risk due to fugitive emissions. These methods usually focus on the sources of health hazards, such as chemical substances, process conditions, and process equipment. Therefore, these methods are considered good for measuring the severity of the OH risk. However, based on the source, pathway, receptor (SPR) model, the OH risk due to fugitive emissions is also dependent on the pathway and receptor, where leak and exposure hazards may take place, respectively. For a holistic OH risk assessment, these hazards need to be considered. This was achieved by developing an OH risk assessment methodology that provides an effective assessment that takes into consideration hazards at the source, pathway, and receptor. This paper focuses on the source part of the SPR model, while the pathway and receptor parts will be covered in future publications. This paper presents an index‐based method named the inherent health hazard level index (IHHLI) developed for evaluating the severity of the fugitive emission‐induced OH risk. The IHHLI is developed by an expert‐based selection of the most common and relevant health hazard indicators published in the literature. Based on industry testing, the IHHLI can provide a reliable OH hazard evaluation.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».