International Migrant Workers, Heat Exposure, and Climate Change: A Systematic Review of Health Risks and Protective Interventions
Notice bibliographique
Résumé
Abstract Background International migrant workers, representing 170 million people globally, often face hazardous working conditions, including extreme heat exposure. This increases their risk of occupational heat strain, exacerbated by poor working conditions. This systematic review aims to identify the health risks of occupational heat exposure among international migrant workers globally, and document existing protective interventions and measures, in order to inform policies that protect this vulnerable population. Methods We searched four electronic databases (Medline, Embase, Ovid Global Health and PsychINFO) for primary research studies (January 2014–April 2024) on international migrant workers experiencing adverse health outcomes following high working temperatures. Records were screened, and data extracted by two independent reviewers. Assessment of study quality was done using Joanna-Briggs Institute checklists. Results were synthesised narratively and reported following PRISMA 2020 guidelines. The protocol was registered in PROSPERO (CRD42024519547). Results Of the 646 records screened, 19 studies involving 2,322 migrant workers across six countries were included in the analysis, with most studies from high-income countries (n=14, 74%), mainly the USA. Studies focused on workers in construction (48%) and agriculture (42%), with migrant workers originating from 14 countries, predominantly India, Mexico, and Nepal. Reported health outcomes included heat-related illnesses (n=12), dehydration (n=5), kidney disease (n=2), and poor skin health (n=2). Common symptoms included headaches, muscle cramps, and heavy sweating. Interventions focused on water, rest, shade, skin protection, and education, but evaluations were limited and some measures failed to address heat exposure effectively. Conclusions Occupational heat exposure poses significant health risks for international migrant workers. Where interventions exist, barriers to effectiveness remain, with a knowledge gap as to the situation in low- and middle-income countries. Amid rising global temperatures improved worker education, worker-tailored and co-designed interventions, updated protocols, and increased healthcare accessibility are urgently needed.
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 | 0,011 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».