Developing a tool for identifying high-risk employers for inspection
Notice bibliographique
Résumé
BACKGROUND: Workers' Compensation Board (WCB) data and other information are sometimes used to calculate an 'Occupational Health and Safety (OHS) index' as a way of identifying businesses considered 'high risk' to be inspected as part of enforcement work. However, no evidence on the validity of this index exists. AIMS: To evaluate the performance of the Alberta OHS index, a 'score' based largely on WCB claims data, and to see if an index calculated using different information could perform better. METHODS: Data from the Alberta Compliance Management Information System database, 2011-2015, and WCB claim database, 2007-2014, were retrieved. Issuing 'stop work' or 'stop use' orders in inspections was defined as a proxy of high-risk outcome. The performance of the current and a modified OHS index were assessed using receiver operating characteristics (ROC) and regression analyses. RESULTS: In large employers, neither the current nor the modified OHS index was particularly effective in identifying 'high risk' employers with the area under the ROC curve (AROC) of 0.55 (95% confidence interval [CI] 0.52-0.57; P < 0.001) and 0.59 (95% CI 0.57-0.62; P < 0.001), respectively. In small employers, neither index seemed very effective with an AROC of 0.54 (95% CI 0.53-0.56; P < 0.001) and 0.55 (95% CI 0.53-0.56; P < 0.001), respectively. These results were consistent in subgroup analyses of assignments without specific initiatives, both in large and small employers. CONCLUSIONS: Neither the current nor a modified OHS index seemed to effectively identify high-risk employers. Heterogeneous results in large and small employers suggest that approaches to different-sized employers are appropriate.
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 | 0,025 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».