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
Bibliographic record
Abstract
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.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".