Risques chimiques ou biologiques Preda, V., Ong, Z., Wijeweera, C., Carney, T., Clay-Williams, R., Kankanamge, D., . . . Wilson, M. (2025). Artificial intelligence (AI) use for personal protective equipment training, remediation and education in healthcare. American Journal of Infection Control. https://doi.org/10.1016/j.ajic.2025.03.020  Retour vers le sommaire |
Risques physiques, mécaniques ou de sécurité Chen, C., Zhang, Z., Cui, H., Li, J., Zhou, J. et Fan, Z. (2025). Intelligent detection algorithm for fall from height based on support vector machines. Journal of Information Processing Systems, 21(1), 71-79. https://doi.org/10.3745/JIPS.04.0336 Chou, J.-S., Liao, P.-C., Liu, C.-Y. et Hou, C.-Y. (2025). Machine learning of electroencephalography signals and eye movements to classify work-in-progress risk at construction sites. Journal of Civil Engineering and Management, 31(3), 190-205. https://doi.org/10.3846/jcem.2024.22719 Duan, K. et Zou, Z. (2025). Safety-constrained deep reinforcement learning control for human–robot collaboration in construction. Automation in Construction, 174, article 106130. https://doi.org/10.1016/j.autcon.2025.106130 Zhou, Z., Yu, X., Magoua, J. J., Cui, J., Luan, H. et Lin, D. (2025). Integrating machine learning and a large language model to construct a domain knowledge graph for reducing the risk of fall-from-height accidents. Accident Analysis & Prevention, 215, article 108009. https://doi.org/10.1016/j.aap.2025.108009 Retour vers le sommaire |
Risques ergonomiques Hsu, G.-S. J., Wu, J. S., Huang, Y.-K. D., Chiu, C.-C. et Kang, J.-H. (2025). Automatic detect incorrect lifting posture with the Pose Estimation Model. Life, 15(3). https://doi.org/10.3390/life15030358 Mahdavi, N. et Dianat, I. (2025). A new look at the occupational fatigue challenge in the future of ergonomics research. Work, 80(1), 199-201. https://doi.org/10.3233/WOR-240130 Yi, W., Zong, H., Antwi-Afari, M. F. et Chan, A. P. C. (2025). Determining the optimal recovery time for fatigued construction workers: Machine learning approach based on physiological and environmental measurements. Building and Environment, 275, article 112808. https://doi.org/10.1016/j.buildenv.2025.112808 Retour vers le sommaire |
L'information à votre portée Cette veille sur l’intelligence artificielle en SST propose une sélection d’articles scientifiques et de littérature grise. Les éléments sélectionnés sont fournis « tels quels », sans garantie d'exhaustivité, de fiabilité et d’exactitude. Les articles sont sélectionnés pour leur pertinence avec les objectifs de cette veille, qu’ils soient en libre accès () ou non. Voyez avec votre bibliothèque ou centre de documentation pour obtenir par prêt entre bibliothèques les articles bloqués. Sinon, un outil qui peut vous aider à découvrir la version libre accès d’un article en toute légalité est Unpaywall avec son extension pour Chrome. Par la force des choses, les articles scientifiques seront plus souvent qu'autrement en anglais. Membres de la cellule de veille : - Clothilde Brochot, professionnelle de recherche
- Marie Comeau, conseillère en mobilisation des connaissances
- Jessica Dubé, chercheuse
- Catherine Dufresne, technicienne en documentation
- Bénédicte Nauche, conseillère en veille et en information scientifique
- Alireza Saidi, chercheur
| | | | |
