MétaCan
Menu
← Retour à la cohorte
Enregistrement W6990969782

Évolution du nombre de lésions professionnelles acceptées survenues de 2005 à 2017 : effet de l’évolution de la main-d’œuvre et des taux de fréquence de lésions

2021· article· fr· W6990969782 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Languefr
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork safetyOccupational accidentOccupational exposureStatistical analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les dernières données publiées par l’Association des commissions des accidents du travail du Canada montrent que le nombre de lésions professionnelles avec perte de temps suit une tendance à la baisse depuis la fin des années 1980. Au Québec, pour la période 1989-2017, cela représente une diminution de 66,2 % du nombre de lésions, de 218 700 cas à 73 900. La présente étude vise à comprendre, sur la base des périodes 2005-2007, 2010-2012 et 2015-2017, comment l’évolution de la composition de la main-d’œuvre, selon certaines caractéristiques, a pu influencer l’évolution du nombre de lésions professionnelles déclarées à la CNESST et acceptées par celle-ci. Les analyses se basent sur le ratio d’incidence standardisé (RIS), qui représente le rapport entre le nombre observé de lésions professionnelles et le nombre attendu (ou théorique) de lésions professionnelles qui seraient survenues, n’eût été le changement considéré, toutes choses étant égales par ailleurs. Les changements examinés sont ceux se rapportant à la répartition relative des effectifs de main-d’œuvre, au nombre annuel moyen d’heures travaillées et aux taux spécifiques de fréquence des lésions, et ce, toujours en fonction de quatre caractéristiques (sexe, âge, catégorie professionnelle, industrie). De 2005-2007 à 2015-2017, les proportions relatives de lésions acceptées et d’effectifs de travailleurs en équivalent temps complet (ETC) ont diminué pour les travailleurs manuels, les hommes, ainsi que les 54 ans et moins. En ce qui concerne le nombre annuel moyen d’heures travaillées, celui-ci a peu varié. Pour sa part, le taux de fréquence, défini comme le rapport entre le nombre annuel moyen de lésions professionnelles et le nombre annuel moyen de travailleurs ETC, est inférieur en 2015-2017 à celui de 2005-2007 pour chaque catégorie professionnelle, sexe et groupe d’âge. Cela dit, pour les travailleurs de professions mixtes et non manuelles, les femmes et les 55 ans et plus, les taux de fréquence enregistrés en 2015-2017 sont plus élevés que ceux de 2010-2012. L’évolution de la répartition relative des effectifs ETC de main-d’œuvre selon les quatre caractéristiques retenues ne semble pas avoir influencé l’évolution du nombre de lésions professionnelles. Pris individuellement, les effets de l’évolution de la main-d’œuvre selon certaines caractéristiques semblent s’être annulés. Ainsi, les changements au niveau de la répartition relative selon la catégorie professionnelle semblent avoir favorisé une baisse du nombre de lésions. Tandis que l’évolution relative selon l’âge semble plutôt avoir favorisé une hausse des lésions. Plus spécifiquement, la baisse relative du nombre de travailleurs manuels sur le marché du travail a favorisé la baisse des lésions professionnelles et le vieillissement de la main-d’œuvre, notamment l’augmentation relative du nombre de travailleurs de 55 ans et plus, combiné à la hausse de leur taux de fréquence, a favorisé une hausse des lésions. Même s’il n’a que très peu baissé de 2005-2007 à 2015-2017, le nombre annuel moyen d’heures travaillées par travailleur a favorisé la diminution du nombre de lésions professionnelles pour chaque caractéristique retenue. C’est la baisse des taux spécifiques de fréquence ETC par industrie, catégorie professionnelle, sexe et âge qui explique la plus grande part de la diminution du nombre de lésions professionnelles de 2005-2007 à 2015-2017. Pour 2015-2017, seules les lésions ayant de 180 à 365 jours indemnisés, ainsi que celles avec réadaptation n’ont pas bénéficié de cet effet de baisse. Pour ces regroupements de lésions, l’évolution des taux a plutôt favorisé une augmentation ou le maintien du nombre de cas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,471
Écart entre enseignants0,388 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOccupational Health and Safety Research→Travaux en français237 207→