An exploratory survey assessing the determinants of heat stress and heat strain in the Canadian mining industry from the worker’s perspective
Notice bibliographique
Résumé
With mines extending deeper and rising surface temperatures, workers are exposed to hotter environments. This study aimed to characterize heat stress and strain in the Canadian mining industry and evaluate the utility of the Heat Strain Score Index (HSSI), combined with additional self-reported adverse health outcomes. An exploratory web-based survey was conducted among workers (n = 119) in the Canadian mining industry. The survey included 74 questions on workers’ risk perception, strategies for heat stress management, and the HSSI—a validated tool to classify workplace heat stress based on various workplace factors and indicators of heat strain. Most workers reported that heat stress is an occupational hazard associated with their duties and tasks (89%). Based on the HSSI, 22% of respondents were classified as high risk, 42% at moderate risk, and 36% at low risk for heat stress and heat strain. Those with higher HSSI scores self-reported more heat-related adverse signs and symptoms with a higher prevalence of self-reported heat-related illness (p < 0.01). Despite workers reporting various self-initiated practices (e.g., drinking water) and management-enforced heat mitigation practices (e.g., rest breaks), many workers reported still having experienced signs or symptoms of heat stress (86%) and heat-related illnesses (37%). The study found elevated heat stress and strain levels among a sample of workers in the Canadian mining industry despite workers employing various heat-mitigating strategies. Heat stress management programs considering mining-specific factors and challenges are needed to safeguard worker health and safety.
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 | 0,000 | 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 ».