Patterns and Implications of Occupational Injuries in Saudi Arabia during the First Three Quarters of 2024
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite ongoing prevention efforts, workplace injuries continue to be a substantial concern in Saudi Arabia, particularly as the country undergoes rapid economic transformation under Vision 2030. This study aimed to analyze trends in reported occupational injuries across the first three quarters of 2024 in Saudi Arabia. A comprehensive descriptive epidemiological analysis was conducted using 23,109 reported occupational injuries from the Saudi Data & AI Authority (SDAIA) database. Findings indicate a notable increase in injury cases from 6,817 (29.5%) in the first quarter to 9,323 (40.3%) in the third quarter of 2024. Saudi workers accounted for only 9.2% of all reported injuries, with males representing 96.6% of the injured population. The private sector reported 99.2% of all injuries. The leading causes of injury were non-vehicular mechanical forces (54.9%) and falls (28.1%), with traffic accidents contributing to 11.1% of cases. At the time of reporting, 90.3% of injured workers were still receiving treatment. The significant rise in occupational injuries, particularly in the third quarter, underscores the urgency for targeted prevention strategies focused on high-risk groups and prevalent injury mechanisms. Safety regulations and comprehensive training programs aligned with Saudi Vision 2030 objectives are essential to create a safer workplace environment.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle