D'une manière générale, le terme accident est utilisé pour désigner des événements entraînant des blessures ou des dommages physiques non souhaités ou imprévus ; un modèle d'accident est un schéma conceptuel appliqué à l'analyse de tels événements. (Certains modèles peuvent déclarer explicitement que les « accidents évités de justesse » - parfois appelés « accidents évités de justesse » - sont couverts par le modèle ; cependant, la distinction n'est pas importante pour cet article.) Les modèles d'accidents peuvent servir à différentes fins. Premièrement, ils peuvent fournir une compréhension conceptuelle de la façon dont les accidents se produisent. Deuxièmement, des modèles peuvent être utilisés pour enregistrer et stocker des informations sur les accidents. Troisièmement, ils peuvent fournir un mécanisme d'enquête sur les accidents. Ces trois objectifs ne sont pas entièrement distincts, mais forment un moyen utile de catégorisation.
Cet article décrit MAIM, le modèle d'information sur les accidents du Merseyside, qui est le plus naturellement adapté au deuxième objectif, à savoir l'enregistrement et le stockage des informations sur les accidents. Après un aperçu de la justification de MAIM, quelques premières études évaluant le modèle sont décrites. L'article se termine par les progrès récents de MAIM, y compris l'utilisation de «logiciels intelligents» pour recueillir et analyser des informations sur les accidents corporels.
Modélisation précoce des accidents
Dans le modèle de Heinrich (1931), la séquence causale menant à un accident était assimilée à une séquence de cinq chutes de dominos, chacune des quatre premières étant nécessaire avant que l'événement final puisse se produire. Dans un précurseur de MAIM, Manning (1971) a conclu que « les exigences de base d'une blessure accidentelle sont la présence d'un hôte [un travailleur, par exemple] et d'un objet environnemental qui contribue à l'accident. L'hôte ou l'objet ou les deux se déplacent l'un par rapport à l'autre. Kjellen et Larsson (1981) ont développé leur propre modèle, qui posait deux niveaux : la séquence accidentelle et les déterminants sous-jacents. Dans un article ultérieur, Kjellen et Hovden (1993) ont décrit les progrès ultérieurs dans le contexte d'autres publications et ont noté la nécessité "d'une utilisation efficace des informations existantes provenant des rapports d'accidents de routine et de quasi-accidents au moyen d'un puissant système de recherche d'informations". Ceci a été réalisé pour MAIM.
Justification de MAIM
Il semble y avoir un consensus substantiel sur le fait que les informations utiles sur les accidents ne devraient pas simplement se concentrer sur les circonstances immédiates du dommage ou de la blessure, mais devraient également inclure une compréhension de la chaîne d'événements précédents et des facteurs à l'origine de la séquence de l'accident. Certains premiers systèmes de classification n'ont pas réussi à atteindre cet objectif. La compréhension des objets, des mouvements (de personnes ou d'objets) et des événements était généralement mélangée et les événements successifs n'étaient pas distingués.
Un exemple simple illustre le problème. Un travailleur glisse sur une nappe d'huile, tombe et se cogne la tête contre une machine et subit une commotion cérébrale. On peut facilement distinguer la cause (immédiate) de l'accident (glisser sur l'huile) et la cause de la blessure (se cogner la tête sur la machine). Certains systèmes de classification incluent toutefois les catégories « chutes de personnes » et « heurts contre des objets ». L'accident pourrait être attribué à l'un ou l'autre de ces éléments, bien qu'aucun ne décrive même la cause immédiate de l'accident (glisser sur l'huile) ou les facteurs de causalité (comme la façon dont l'huile est arrivée sur le sol).
Essentiellement, le problème est qu'un seul facteur est considéré dans une situation multifactorielle. Un accident ne consiste pas toujours en un événement unique ; il peut y en avoir beaucoup. Ces points ont servi de base au développement de MAIM par Derek Manning, médecin du travail.
Description de MAIM
La pièce maîtresse de l'accident est le premier imprévu événement (indésiré ou imprévu) impliquant le matériel endommagé ou la personne blessée (figure 1). Ce ne sera pas toujours le premier événement du processus accidentel décrit comme un événement précédent. Dans l'exemple ci-dessus, le glissement compte comme le premier événement imprévu de l'accident. (Compte tenu de la présence de taches d'huile sur le sol, il n'est pas imprévu que quelqu'un glisse dessus et tombe, mais la personne qui marche ne le prévoit pas.)
Figure 1. Le modèle d'accident MAIM
Le comportement de l'équipement ou de la personne est décrit par le activité à l'époque et une description plus précise du type de mouvement corporel lorsque le premier événement s'est produit. Les objets impliqués sont décrits, et pour ceux liés aux événements, les caractéristiques des objets comprennent situation, mouvement ainsi que condition. À l'occasion, un deuxième objet qui interagit avec le premier objet peut être impliqué (par exemple, frapper un ciseau avec un marteau).
Comme indiqué ci-dessus, il peut y avoir plus d'un événement et le deuxième événement peut également avoir un objet (peut-être différent) impliqué. De plus, l'équipement ou la personne peut effectuer un mouvement corporel supplémentaire, comme jeter une main pour empêcher ou amortir une chute. Ceux-ci peuvent être inclus dans le modèle. Un troisième quatrième événement ou plus tard peut se produire avant que la séquence ne mène finalement à une blessure. Le modèle peut être étendu dans toutes les directions en enregistrant les facteurs liés à chaque composant. Par exemple, les branches des activités et des mouvements corporels enregistreraient les facteurs psychologiques, les médicaments ou les limitations physiques d'un travailleur.
En général, des événements séparés peuvent être facilement distingués intuitivement, mais une définition plus stricte est utile : un événement est un changement inattendu, ou une absence de changement, dans l'état énergétique de la situation. (Le terme énergie comprend à la fois l'énergie cinétique et potentielle.) Le premier événement est toujours inattendu. Des événements ultérieurs peuvent être attendus, voire inévitables, après le premier événement, mais sont toujours inattendus avant l'accident. Un exemple de manque inattendu de changement d'énergie est lorsqu'un marteau qui est balancé manque le clou sur lequel il est dirigé. L'exemple d'un travailleur qui glisse sur une nappe d'huile, tombe et se cogne la tête en est une illustration. Le premier événement est le "pied glissé" - au lieu de rester immobile, le pied acquiert de l'énergie cinétique. Le deuxième événement est la "chute", lorsqu'une énergie cinétique supplémentaire est acquise. Cette énergie est absorbée par la collision de la tête du travailleur avec la machine lorsque la blessure survient et que la séquence se termine. Cela peut être « tracé » sur le modèle comme suit :
- 1er événement : pied glissé sur l'huile.
- 2e événement : personne est tombée.
- 3e événement : tête heurtée contre la machine.
Expérience avec MAIM
Une version antérieure du modèle MAIM a été utilisée dans une étude des 2,428 1973 accidents signalés en 1978 dans une usine de fabrication de boîtes de vitesses sur le terrain d'un constructeur automobile. (Voir Shannon XNUMX pour plus de détails.) Les opérations comprenaient la coupe et le meulage des engrenages, le traitement thermique et l'assemblage de la boîte de vitesses. Le processus de coupe produisait des éclats et des copeaux de métal tranchants, et l'huile était utilisée comme liquide de refroidissement. Des formulaires spécialement conçus ont été utilisés pour recueillir des informations. Chaque accident a été tracé indépendamment sur le modèle par deux personnes et les divergences ont été résolues par discussion. Pour chaque accident, les composants ont reçu des codes numériques, afin que les données puissent être stockées sur un ordinateur et des analyses effectuées. Ce qui suit décrit quelques résultats de base et présente un examen fait de ce qui a été appris spécifiquement de l'utilisation du modèle.
Le taux d'accidents a été considérablement réduit (de près de 40 %), apparemment grâce à l'étude en cours. Les chercheurs ont appris qu'en raison des questions supplémentaires que l'étude exigeait (et du temps qui en résultait), de nombreux employés « ne pouvaient pas être dérangés » pour signaler des blessures mineures. Plusieurs éléments de preuve le confirment :
- Le taux a de nouveau augmenté en 1975 après la fin de l'étude.
- Le taux d'accidents avec arrêt de travail n'a pas été affecté.
- Les visites au centre médical pour les plaintes non professionnelles n'ont pas été affectées.
- Les taux d'accidents sur le reste du terrain n'ont pas été affectés.
Ainsi, le taux réduit apparaissait bien comme un artefact de déclaration.
Une autre découverte intéressante était qu'il y avait 217 blessures (8 %) pour lesquelles les travailleurs impliqués ne pouvaient pas être certains de la façon ou du moment où elles se sont produites. Cela a été découvert parce qu'on a explicitement demandé aux travailleurs s'ils étaient sûrs de ce qui s'était passé. En règle générale, les blessures en cause étaient des coupures ou des éclats, ce qui est relativement courant compte tenu de la nature du travail à cette usine.
Parmi les accidents restants, près de la moitié (1,102 58) consistaient en un seul événement. Les accidents à deux et trois événements étaient successivement moins fréquents et XNUMX accidents impliquaient quatre événements ou plus. On note une augmentation marquée de la proportion d'accidents avec arrêt de travail avec une augmentation du nombre d'événements. Une explication possible est qu'il y a eu une augmentation de l'énergie cinétique à chaque événement, de sorte qu'avec plus d'événements, il y avait plus d'énergie à dissiper lorsque le travailleur et l'objet impliqué sont entrés en collision.
Un examen plus approfondi des différences entre les accidents avec et sans arrêt de travail a révélé des différences très marquées dans les distributions pour les différentes composantes du modèle. Par exemple, lorsque le premier événement était « une personne a glissé », près d'un quart des accidents ont entraîné un arrêt de travail ; mais pour « corps percé par », seulement 1 % l'ont fait. Pour les combinaisons de composants, ces différences étaient accentuées. Par exemple, en ce qui concerne les événements finaux et les objets connexes, aucun des 132 accidents dans lesquels la victime a été « percée par » ou « éclatée » n'a entraîné de temps perdu, mais lorsque l'événement final a été « foulé/entorse » sans « aucun objet impliqué », 40 % des blessures ont entraîné une perte de temps.
Ces résultats contredisent l'opinion selon laquelle la gravité des blessures est en grande partie une question de chance et la prévention de tous les types d'accidents conduirait à une réduction des blessures graves. Cela signifie qu'analyser tous les accidents et tenter de prévenir les types les plus courants n'aurait pas nécessairement d'effet sur ceux qui causent des blessures graves.
Une sous-étude a été menée pour évaluer l'utilité des informations contenues dans le modèle. Plusieurs utilisations potentielles des données sur les accidents ont été identifiées :
- pour mesurer la performance en matière de sécurité - la mesure dans laquelle les accidents dans une usine ou une zone d'une usine continuent de se produire au fil du temps
- identifier les causes
- identifier les erreurs (au sens le plus large du terme)
- pour vérifier le contrôle, c'est-à-dire pour voir si les mesures de sécurité prises pour prévenir certains types d'accidents sont effectivement efficaces
- fournir une base d'expertise, car la connaissance d'un large éventail de situations et de circonstances d'accidents pourrait aider à fournir des conseils en matière de prévention des accidents.
Trois agents de sécurité (praticiens) ont évalué l'utilité des descriptions verbales et des modèles tracés pour une série d'accidents. Chacun a évalué au moins 75 accidents sur une échelle de 0 (aucune information utile) à 5 (parfaitement adapté à l'utilisation). Pour la majorité des accidents, les cotes étaient identiques, c'est-à-dire qu'aucune information n'a été perdue lors du transfert des descriptions écrites au modèle. Là où il y avait une perte d'information, c'était surtout un point sur l'échelle de 0 à 5, c'est-à-dire une petite perte.
Les informations disponibles, cependant, étaient rarement « parfaitement adéquates ». Cela s'explique en partie par le fait que les agents de sécurité avaient l'habitude de mener des enquêtes détaillées sur place, ce qui n'a pas été fait dans cette étude car tous les accidents signalés, qu'ils soient mineurs ou plus graves, ont été inclus. Il convient de rappeler, cependant, que les informations tracées sur les modèles ont été tirées directement des descriptions écrites. Étant donné que relativement peu d'informations ont été perdues, cela a suggéré la possibilité d'exclure l'étape intermédiaire. L'utilisation plus répandue des ordinateurs personnels et la disponibilité de logiciels améliorés rendent possible la collecte automatisée de données et permettent l'utilisation de listes de contrôle pour s'assurer que toutes les informations pertinentes sont obtenues. Un programme a été écrit à cet effet et a subi quelques tests initiaux.
Logiciel intelligent MAIM
Le modèle MAIM a été utilisé par Troup, Davies et Manning (1988) pour enquêter sur les accidents causant des blessures au dos. Une base de données a été créée sur un PC IBM en codant les résultats des entretiens avec les patients menés par un enquêteur expérimenté avec le modèle MAIM. L'analyse des entretiens pour obtenir la description MAIM (figure 2 ) a été effectué par l'enquêteur et ce n'est qu'à ce stade que les données ont été saisies dans la base de données. Alors que la méthode était tout à fait satisfaisante, il y avait des problèmes potentiels pour rendre la méthode généralement accessible. En particulier, deux domaines d'expertise étaient nécessaires : les compétences d'interview et la familiarité avec l'analyse nécessaire pour former la description MAIM de l'accident.
Figure 2. Résumé de l'accident tel qu'enregistré lors de l'entretien avec le patient
Un logiciel a été développé par Davies et Manning (1994a) pour mener une entrevue avec un patient et produire une base de données d'accidents à l'aide du modèle MAIM. Le but du logiciel était de fournir deux domaines d'expertise – l'entrevue et l'analyse pour former la structure de l'événement MAIM. Le logiciel MAIM est, en fait, un « front-end » intelligent pour une base de données et, en 1991, il était suffisamment développé pour être testé dans un environnement clinique. Le logiciel MAIM a été conçu pour interagir avec le patient au moyen de "menus" - le patient sélectionne des options dans des listes qui ne nécessitent que l'utilisation des touches de curseur et de la touche "Entrée". Le choix d'un élément de la liste d'options a affecté dans une certaine mesure le déroulement de l'entrevue et a également eu pour effet d'inscrire l'information à la partie appropriée de la description de l'accident de l'IAMM. Cette méthode de collecte de données a éliminé le besoin de compétences en orthographe et en dactylographie et a également donné une interview reproductible et cohérente.
La structure événementielle du modèle MAIM utilise des verbes et des objets pour former des phrases simples. Les verbes dans les événements peuvent être associés à différents scénarios d'accident, et cette propriété du modèle est à la base de la construction d'un ensemble de questions liées qui forment un entretien. Les questions sont présentées de telle manière qu'à chaque étape, seuls des choix simples sont nécessaires, décomposant efficacement le récit complexe de l'accident en un ensemble de descriptions simples. Une fois qu'un verbe d'événement a été identifié, les noms associés peuvent être trouvés en localisant les objets pour former une phrase donnant le détail complet de la description de l'événement particulier. Il est clair que cette stratégie nécessite l'utilisation d'un dictionnaire étendu d'objets qui peuvent être recherchés rapidement et efficacement.
Le Home Accident Surveillance System (HASS) (Department of Trade and Industry 1987) surveille les objets impliqués dans les accidents, et la liste des objets utilisés par HASS a été utilisée comme base d'un dictionnaire d'objets pour le logiciel MAIM et a été étendue pour inclure les objets trouvés sur le lieu de travail. Les objets peuvent être regroupés en classes, et avec cette structure, un système de menu hiérarchique peut être défini - les classes d'objets forment des couches qui correspondent aux listes de menus. Ainsi, une liste chaînée d'objets associés peut être utilisée pour localiser des éléments individuels. A titre d'exemple, l'objet marteau peut être trouvé en sélectionnant, dans l'ordre : (1) outils, (2) outils à main et (3) marteau à partir de trois listes de menus successives. Un objet donné pourrait potentiellement être classé en plusieurs groupes différents - par exemple, un couteau pourrait être associé à des articles de cuisine, des outils ou des objets tranchants. Cette observation a été utilisée pour créer des liens redondants dans le dictionnaire d'objets, permettant à de nombreux chemins différents de trouver l'objet requis. Le dictionnaire d'objets dispose actuellement d'un vocabulaire d'environ 2,000 XNUMX entrées couvrant les environnements de travail et de loisirs.
L'entrevue MAIM recueille également des renseignements sur les activités au moment de l'accident, les mouvements corporels, le lieu de l'accident, les facteurs contributifs, les blessures et l'invalidité. Tous ces éléments peuvent se produire plus d'une fois dans un accident, et cela se reflète dans la structure de la base de données relationnelle sous-jacente qui a été utilisée pour enregistrer l'accident.
A la fin de l'entretien, plusieurs phrases décrivant les événements de l'accident auront été enregistrées et il sera demandé au patient de les remettre dans le bon ordre. De plus, le patient est invité à lier les blessures aux événements enregistrés. Un récapitulatif des informations recueillies est alors présenté sur l'écran de l'ordinateur à titre indicatif.
Un exemple de résumé d'accident vu par le patient est présenté dans la figure 2 . Cet accident a été superposé au diagramme MAIM de la figure 2 . Les détails relatifs aux facteurs et au lieu de l'accident ont été omis.
Le premier événement imprévu ou involontaire (premier événement) impliquant la personne blessée est généralement le premier événement de la séquence accidentelle. Par exemple, lorsqu'une personne glisse et tombe, la glissade est normalement le premier événement dans la séquence de l'accident. Si, d'autre part, une personne est blessée par une machine parce qu'une autre personne utilise la machine avant que la victime ne se tienne à l'écart, le premier événement impliquant la victime est « prise au piège par la machine », mais le premier événement de la séquence d'accident est « autre machine actionnée prématurément par une personne ». Dans le logiciel MAIM, le premier événement de la séquence accidentelle est enregistré et il peut survenir soit à partir du premier événement impliquant la personne blessée, soit comme un événement précédent (figure 1). Théoriquement, cette façon de voir les choses peut être insatisfaisante, mais du point de vue de la prévention des accidents, elle identifie le début de la séquence accidentelle, qui peut ensuite être ciblée pour prévenir des accidents similaires à l'avenir. (Le terme action de déviation est utilisé par certaines autorités pour décrire le début de la séquence de l'accident, mais il n'est pas encore clair si cela est toujours synonyme du premier événement de l'accident.)
Lorsque le logiciel MAIM a été utilisé pour la première fois dans un cadre clinique, il était clair qu'il y avait des problèmes pour évaluer correctement certains types d'accidents « sous le pied ». Le modèle MAIM identifie le premier événement imprévu comme point de départ de la séquence accidentelle. Considérons deux accidents similaires, l'un dans lequel un travailleur intentionnellement marche sur un objet qui se brise, et un deuxième accident dans lequel un travailleur involontairement marche sur un objet qui se brise. Dans le premier accident, marcher sur l'objet est un mouvement du corps et le premier événement imprévu est la rupture de l'objet. Dans le deuxième accident, marcher sur l'objet est le premier événement imprévu de l'accident. La résolution de ces deux scénarios consiste à demander : « Avez-vous accidentellement marché sur quelque chose ? » Cela montre à quel point la conception correcte de l'entretien est importante pour obtenir des données précises. L'analyse de ces deux accidents permet des recommandations sur la prévention des accidents comme suit ; le premier accident aurait pu être évité en informant le patient que l'objet se briserait. Le deuxième accident aurait pu être évité en informant le patient que l'objet était un danger sous le pied.
Le logiciel MAIM a été testé avec succès dans trois contextes cliniques, dont un projet d'un an au service des accidents et des urgences du Royal Liverpool University Hospital. Les entretiens avec les patients ont duré entre 1 et 5 minutes, et en moyenne deux patients ont été interrogés par heure. Au total, 15 2,500 accidents ont été enregistrés. Des travaux sur des publications basées sur ces données sont en cours.