职业与环境健康领域关注我们的工作场所和日常生活环境如何影响身体机能。从工厂的空气质量到办公室的久坐习惯,这些看似平常的因素实则深刻左右着我们的长期福祉。该学科致力于识别这些潜在风险,并探索如何构建更安全、更健康的生存空间。

在 Gist.Science,我们直接从 medRxiv 获取该领域的最新预印本论文。我们不仅提供详尽的技术解读,更将复杂的科学发现转化为通俗易懂的通俗语言摘要,确保每位读者都能轻松理解前沿进展。无论您是专业人士还是普通公众,都能在这里找到有价值的洞察。

以下是该领域最新发布的预印本论文列表,涵盖了从职业病防治到环境毒素研究的多项重要成果。

📄 职业与环境健康

Research protocol for a multidimensional environmental and health impact study of petrochemical plant emissions in Calvert city, Kentucky

本文概述了 BEACON 研究的多维框架,该框架整合了空气质量数据、人类与野生动物生物监测、兽医调查以及社区参与,旨在评估肯塔基州卡尔弗特城石化排放对环境和健康的影响。

Huntington-Moskos, L., Cave, M., Reynolds, L., Anderson, L., Housman, B., Abolins-Abols, M., Fratzke, R., Holm, R., Smit (…)2026-07-09
📄 职业与环境健康

Biomechanical Analysis of Dynamic Gripping in Manual Laborers Exhibiting Work-Related Scapholunate Instability Signs

这项针对巴基斯坦体力劳动者的横断面研究表明,表现出舟月间韧带不稳征象的人群,其握力显著降低、腕尺偏异常,并在动态抓握过程中出现代偿性肌肉过度激活,且职业暴露时长和特定的生物力学负荷模式是韧带损伤的关键预测因子。

Bari, M. H., Khalid, Z., Ilyas, M., Qaiser, S.2026-06-30✓ Author reviewed ⓘ
📄 职业与环境健康

Multi-Pathogen Wastewater Surveillance enables Real-Time Targeted Public Health Interventions During the 2025 African Nations Championship Football Tournament

本研究展示了在乌干达举办的2025年非洲国家锦标赛期间,进行多病原体废水监测在操作层面的可行性与公共卫生效用,表明对包括猴痘在内的多种肠道及呼吸道病原体的实时检测,如何能有效地指导针对性干预措施,并加强低资源大规模聚集场所的流行病预防准备。

Nsawotebba, A., Morunyanga, I., Nakintu, V., Kabazzi, J., Magala, J., Uragiwenimana, V., Ssekyondwa, S., Kasujja, R., On (…)2026-06-08
📄 职业与环境健康

Systematic review of environmental factors associated with severe fever with thrombocytopenia syndrome occurrences in humans

本项涵盖 2,910 项研究的系统综述揭示,尽管温度与土地覆盖等环境因素与人类发热伴血小板减少综合征(SFTS)病例之间存在非线性关联,但在理解这些因素对媒介生物及宿主的具体影响方面仍存在关键空白,因此亟需未来的“全健康”研究,通过整合机制建模与跨境监测来应对这些生态复杂性。

Lee, G., Kim, H.-K., Hidano, A., Jung, S.-m.2026-05-13
📄 职业与环境健康

Geospatial Impact Indexing of Agricultural Incidents: A Multi-Criteria Risk Assessment in the U.S. Midwest

本研究引入一种结合层次分析法与几何模糊层次分析法赋权的多准则地理空间框架,揭示出尽管美国中西部农业事故频率集中在爱荷华州西北部,但经严重性加权的风险分布更为广泛,从而相较于仅依赖频率的传统评估方法,为精准定位安全干预措施和急诊医疗规划提供了更优的循证途径。

Duran, E., Mermer, O., Demir, I.2026-05-08
📄 职业与环境健康

Predicting Traffic Accident Injury Severity Using Ensemble Machine Learning Models: Incident Level and Generalized Insights via Explainable AI

该研究利用 2018 至 2022 年 NHTSA 数据,通过集成机器学习模型(其中 HistGBRT 表现最佳)实现了对交通事故伤亡严重程度的高精度预测(特别是致命伤害的 100% 分类),并结合 SHAP 可解释性技术揭示了种族、安全气囊部署及有害事件类型等关键风险因素,为提升交通安全决策提供了兼具高性能与可解释性的框架。

Zhang, E. R., Mermer, O., Demir, I.2026-04-20