Intervention Effectiveness Research: Understanding and Optimizing Industrial Safety Programs Using Leading Indicators
Notice bibliographique
Résumé
Abstract A safety and health program is considered a suite of activities implemented at a worksite for preventing or reducing incidents. These include such activities as safety training, equipment and housekeeping inspections, safety meetings, safety observations, tailgate or tailboard meetings and the like. Optimizing safety and health intervention strategies to decrease rates of injury and property damage with less costly safety programs can contribute to improved productivity and economic vitality in all activities that involve such risks. This article details the results of research done to validate, improve, and extend a previously developed mathematical model that guides such optimization 22 . The results show that improved safety practices and improved profitability in industry is possible when one understands the mathematical cause and effect relationship between incidents (trailing indicators) and program interventions (inspections, training, safety meetings, and the like) designed to prevent them (leading indicators). At power company, Hydro One Network Services, Inc.’s, forestry services, researchers have shown over the study’s first phase (30 weeks) that a statistically significant relationship exists between incidents (injuries, fires, motor vehicle accidents, and the like) and the level of preventive intervention activity implemented (intervention application rate). Using this mathematical relationship and mathematical programming techniques, researchers developed an optimized “recipe” 51 for the appropriate level of effort and mix of safety and health program interventions that minimize incidents while concurrently minimizing the amount of human resources required to implement the interventions. During the verification phase (22 weeks), achieving the model-suggested intervention program design proved to be difficult. Researchers were at least able to overlay actual performance input onto the model and found that consistent and accurate prediction of the incident rate was possible. Once a statistically significant mathematical relationship is identified, one can determine how, where and when to adjust specific safety and health program intervention activity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».