Analyse des accidents de travail mortels survenus au Québec comprenant un véhicule roulant de 2013 à 2017 : perspectives et avenues d’intervention
Notice bibliographique
Résumé
Au Québec, les accidents de travail mortels donnent lieu à une enquête de la Commission des normes, de l’équité, de la santé et de la sécurité du travail (CNESST) dans le but de comprendre l’accident et d’émettre des directives pour empêcher la survenue d’éventuels accidents de même type. Ces rapports constituent une importante source d’information légale pour que l’employeur puisse reprendre ses activités. Cependant, puisque ces rapports visent principalement l’identification d’un problème, leur apport en prévention et en innovation pourrait être limitant afin d’améliorer la santé et la sécurité des travailleurs utilisant un véhicule roulant. Notre recherche a pour objectif d’analyser les différents rapports d’accident mortel comprenant un véhicule roulant de 2013 à 2017 selon la méthode STAMP et l’outil d’analyse CAST, puis de documenter, à l’aide de la matrice de Haddon, l’interaction entre les différents facteurs (humain, véhicule, environnement) qui génèrent de tels accidents. Nous dresserons un bilan plus approfondi des connaissances portant sur le contexte réel du travailleur et des phénomènes de sécurité qui l’entourent avant un accident, puis en ressortirons des recommandations et des pistes de prévention afin de réduire les mortalités reliées aux véhicules roulants.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».