New employees accident and injury rates in Australia: A review of the literature
Notice bibliographique
Résumé
According to the Australian Bureau of Statistics (ABS, 2018) every year in Australia there are more than half a million work related accidents and injuries. The financial, human and social costs of work related accidents and injuries are a major concern for not only individual workplaces but at all levels for International and National authorities. International research since 1917 has consistently demonstrated that, irrespective of age, experience and industry, the occupational group at greatest risk of accidents and injuries are those employees with less than 12 months experience in their current job role. Whilst the elevated risk for new employees has always been concerning, recent organisational developments such as globalisation and increased non-standard employment, as well as workers changing jobs more frequently have strengthened these concerns. A review of the Australian and International literature has shown that approximately 30% to 40% of new employees sustain an injury within the first year of employment. Research in Australia on this topic, however, appears to be lagging and is worthy of further attention and a stronger focus on how to remediate this global issue. Compared to other countries such as Canada, Italy, France, Thailand, Africa and America, Australia has limited research on new employee accident and incident rates available, reflecting a lack of focus on this issue. The Australian data shows that in general, the workforce is evolving and that the incident rates change depending on new employee rates.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 ».