OSH risk management policies between North America and Southeast Asia—a comparative review
Notice bibliographique
Résumé
Introduction: Literature suggests that a comparative analysis of occupational safety and health (OSH) policies may provide valuable insights into creating and maintaining safer and healthier workplaces. However, there are ongoing debates about which type of OSH policies will be more effective. Furthermore, there is limited or no knowledge in the literature on the comparative analysis of OSH risk management policies between North America (Saskatchewan, Canada, and the USA) and Southeast Asia (Malaysia, Singapore, and Thailand). Methods: This review employed Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) to ensure the eligibility of included regional OSH policies and employed the Population, Intervention, Comparison, Outcome, and Study (PICOS) framework to develop search questions. This review conducted a high-level qualitative analysis to assess and compare the types of OSH policies and utilized a quantitative analysis to determine the effectiveness of these policies in the regions based on the data associated with Sustainable Development Goal (SDG) 8.1.1. Results: A qualitative analysis of regional OSH policies revealed that the North American regions adopted more performance-based OSH policy styles. In contrast, Southeast Asian regions tended to practice more prescriptive OSH policies. Singapore reported the lowest injury rates (both non-fatal and fatal) and the highest ratio of OSH inspectors to workers. General multivariate regression analysis indicated a significant and positive relationship between the ratios of OSH inspectors to employed persons and non-fatal injury rates, but the negative relationship between the OSH inspectors and fatal injury rate was neither significant nor reliable. Conclusion: The findings of this research validate the current literature. Additionally, higher ratios of OSH Inspectors to employed persons may significantly contribute to reducing regional non-fatal injuries. With larger sample sizes and primary research data, future researchers can build upon the findings of this research, including the optimal effective ratios of OSH inspectors to employed persons to prevent or minimize human suffering and loss. Practitioners may constantly monitor the effectiveness of the ratios to enhance the Sustainability Development Goal (SDG) 8.1.1 performance in the regions.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».