Accident Experiences and Reporting Practices in Canadian\nChemistry and Biochemistry Laboratories: A Pilot Investigation
Notice bibliographique
Résumé
Accidents in chemistry and biochemistry\nlaboratories are a regular\noccurrence and have been associated with injuries, property damage,\nand deaths. However, despite a high prevalence rate of accident involvement\nreported in previous investigations of academic lab personnel (approximately\n30%), little is known about the context in which academic lab accidents\noccur. Previous findings also suggest a high degree of accident underreporting\n(25–40%), but again, little is known about this phenomenon.\nPilot data was gathered from a convenience sample of 104 students\nand postdoctoral fellows in chemistry-related fields through an online\nsurvey. Results showed a high level of accident involvement (56.7%);\nof that number, most of those (65.9%) had been involved in multiple\naccidents. Most accidents involved only personal injuries and happened\non a weekday afternoon with other lab members present. The majority\nof participants reported wearing multiple types of PPE at the time;\nhowever, adherence rates for any one type of equipment (e.g., goggles,\ngloves, coat) was less than 50%. Most (69.6%) reported their accidents\nto multiple individuals and were at least somewhat or very satisfied\n(81.2%) with their decision to report. Participants who chose not\nto report their accidents reported barriers such as beliefs that the\naccident was not severe, concerns about judgment, self-blame, and\nnot knowing they had to report the accident or how. Implications for\nsafety training and reporting practices are considered.
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 | 0,012 |
| 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) | 0,004 | 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 ».