MétaCan
Menu
← Back to cohort
Record W6986502680

Portrait statistique des lésions professionnelles indemnisées au Québec en 2015-2016 : tableaux de classement par industrie-catégorie professionnelle

2022· article· fr· W6986502680 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languagefr
FieldHealth Professions
TopicOccupational Health and Safety Research
Canadian institutionsnot available
Fundersnot available
KeywordsStatistical analysisResearch methodologyWorkplace safetyOccupational training
DOInot available

Abstract

fetched live from OpenAlex

Ce document s’inscrit dans le cadre d’une activité de surveillance statistique portant sur les indicateurs de lésions professionnelles en santé et en sécurité du travail. Cette étude vise principalement à fournir des mesures statistiques sur la fréquence et la gravité des lésions avec perte de temps indemnisée (PTI) et sur les coûts des lésions acceptées par la CNESST, par industrie-catégorie professionnelle en utilisant un niveau de granularité le plus fin possible. L’étude a été scindé en deux documents distincts. Le premier offre une vue d’ensemble des résultats produits tandis que celui-ci présente la totalité des tableaux de classement des industries qui ont permis d’identifier les industries-catégories professionnelles ayant les indicateurs de lésions professionnelles les plus élevés. Cette étude constitue ainsi un outil statistique pertinent pour orienter les activités de recherche et de prévention en milieu de travail. Cette deuxième partie de l’étude se compose de 21 tableaux, détaillés selon les codes SCIAN (Système de classification des industries de l’Amérique du Nord) et la catégorie professionnelle (manuelle, non-manuelle, mixte) classés par ordre décroissant de divers indicateurs de lésions professionnelles, tels le taux de fréquence, la durée moyenne d’indemnisation, le taux de fréquence-gravité et le coût des lésions pour la période 2015-2016. Trois séries de tableaux de classement des industries-catégories professionnelles sont présentées dans ce document : la première concerne les principaux indicateurs pour l’ensemble des travailleurs, la deuxième porte sur les taux de fréquence-gravité et les coûts moyens par travailleur ETC par sexe et la dernière sur les taux de fréquence-gravité des jeunes travailleurs (15-24 ans; 15-19; 20-24) et des travailleurs expérimentés (55 ans ou plus; 55-64; 65 ou plus). Les tableaux de classement réfèrent à la période 2015-2016. Ils contiennent entre autres les codes du SCIAN de 2012, les libellés correspondants, la catégorie professionnelle, les effectifs d’employés en équivalent temps complet (ETC), le nombre annuel moyen de lésions ainsi que des indicateurs de lésions acceptées ou de maladies professionnelles acceptées ou de lésions avec perte de temps indemnisée (PTI). Par ailleurs, les taux de fréquence et de fréquence-gravité et le coût moyen par travailleur sont produits en utilisant, au dénominateur, le nombre de travailleurs en équivalent temps complet (ETC). Ce concept considère les heures travaillées plutôt que les effectifs d’individus, ce qui a l’avantage de tenir compte à la fois du temps de travail et du nombre de travailleurs exposés. Par souci de produire des données fiables et représentatives, certains critères de sélection ont été utilisés. Ainsi, les regroupements de travailleurs comptant moins de 500 employés en ETC ont été retranchées des tableaux[1]. Il est à noter que les mesures et les indicateurs qui apparaissent dans chacun des tableaux, pour le total du Québec, correspondent à l’ensemble des employés et des lésions professionnelles. Ils incluent donc les effectifs de travailleurs et les lésions pour les secteurs d’activités économiques qui n’apparaissent pas dans les tableaux. De plus, si moins de 100 lésions professionnelles ont été dénombrées au sein d’un regroupement de travailleurs durant la période 2015-2016, la durée moyenne d’indemnisation, le coût moyen par lésion, la proportion de lésions avec plus de 180 jours et la proportion de lésions avec APIPP ne sont pas calculés en raison de la grande variabilité des résultats. L’expérience des études antérieures a montré que les durées moyennes calculées lorsqu’il y a moins de 100 lésions PTI peuvent présenter de grandes variations en raison d’une, deux ou trois lésions ayant exceptionnellement de très longues durées d’indemnisation. En raison de difficultés liées à l’identification des lésions associées aux codes SCIAN de l’administration publique fédérale (911), des administrations publiques autochtones (914) ainsi que des organismes publics internationaux et autres organismes publics extraterritoriaux (919), ces industries n’apparaissent pas dans les tableaux de classement. Cependant, les données relatives aux travailleurs de ces industries sont comptabilisées dans les totaux des divers indicateurs. Il est à noter que les valeurs des ratios et des proportions de lésions peuvent être légèrement différentes de celles pouvant être obtenues à partir des nombres de lésions présentés dans les tableaux. Ces écarts proviennent du fait que les proportions et les ratios ont été calculés avec le cumul des valeurs sur les deux années couvertes par l’étude (2015 et 2016) tandis que les nombres de lésions présentés dans les tableaux sont des moyennes annuelles arrondies à l’unité près, sans décimale. Ainsi, le calcul d’une proportion à partir de ces moyennes annuelles arrondies peut donner des résultats qui diffèrent de la proportion présentée dans les tableaux. Les estimations de coûts présentés dans ce rapport sont tous en dollars de 2016. Au niveau le plus détaillé, les coûts sont arrondis à la dizaine près. Pour plus de détails sur les objectifs et la démarche méthodologique de cette étude, veuillez consulter le premier document intitulé : Portrait statistique des lésions professionnelles indemnisées au Québec en 2015-2016. [1] Plus de détails sur les aspects méthodologiques sont fournis dans le premier document d’analyse de cette étude.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.007
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.065
Threshold uncertainty score0.130

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.007
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0070.010
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0070.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.069
GPT teacher head0.437
Teacher spread0.368 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same topicOccupational Health and Safety Research→French-language works237,207→