Identifying high-risk workplaces for radon: The role of buildings’ foundations and underground water sources
Notice bibliographique
Résumé
OBJECTIVE: Radon, a naturally occurring lung carcinogen, can seep into buildings and expose occupants, including workers. Our aim is to describe radon exposure in various workplaces, identify factors associated with exposure, and highlight levers for preventive action. MATERIAL AND METHODS: Workplaces with an underground or slab-on-grade work area were recruited in four regions of Québec (Central Canada) with high and low potential for radon emissions. Long-term radon samples were taken during the cold season with Alpha Track AT-100 passive dosimeters, deployed by the research team in accordance with Health Canada's Guide for radon measurements in public buildings. RESULTS: There were 354 radon measurements in 57 buildings constructed between 1877 and 2021 (54 workplaces), with on average six measurements (1-28) per workplace during a median of 109 days. Ten buildings had all measurements below the detection limit (15 Bq/m³), and six had at least one measurement above 100 Bq/m³. The highest values recorded were in a fish hatchery (>1500 Bq/m³). Generalized estimating equations revealed that a lowest floor made of materials other than poured concrete, the presence of naturally occurring radioactive material (underground water), and a small building footprint were the most predictive factors of higher concentrations, regardless of the regional radon emission potential. CONCLUSION: In this convenience sample, most workplaces presented radon concentrations well below guidelines. However, the surprise expressed by workplace managers and public health officials regarding high concentrations associated with NORM is evidence of a lack of awareness of the dangers of radon in these environments.
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 | 0,001 | 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 | 0,002 | 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 ».