一般來說，術語 事故 用於表示導致意外或計劃外的身體傷害或損害的事件； 事故模型是用於分析此類事件的概念方案。 （一些模型可能會明確聲明模型涵蓋了“險些事故”——有時稱為“險些發生事故”；但是，這種區別對本文並不重要。）事故模型可以用於不同的目的。 首先，它們可以提供對事故如何發生的概念性理解。 其次，模型可用於記錄和存儲事故信息。 第三，它們可以提供事故調查機制。 這三個目標並不完全不同，但構成了一種有用的分類方法。
本文介紹了 MAIM，即默西塞德郡事故信息模型，它最適合第二個目的——記錄和存儲事故信息。 在概述了 MAIM 的基本原理之後，描述了一些評估該模型的早期研究。 文章最後介紹了 MAIM 的最新進展，包括使用“智能軟件”收集和分析傷害事故信息。
早期事故建模
在海因里希的模型（1931 年）中，導致事故的因果順序被比作五個倒下的多米諾骨牌的順序，前四個中的每一個都是在最終事件發生之前所必需的。 在 MAIM 的先驅中，Manning (1971) 得出結論：“意外傷害的基本要求是宿主 [例如工人] 和導致事故的環境物體的存在。 宿主或物體或兩者相對於彼此移動。” Kjellén 和 Larsson (1981) 開發了他們自己的模型，該模型假設有兩個層次：事故序列和潛在的決定因素。 在後來的一篇論文中，Kjellén 和 Hovden（1993 年）描述了其他文獻背景下的後續進展，並指出需要“通過強大的信息檢索系統有效地利用來自常規事故和準事故報告的現有信息”。 這已經為 MAIM 實現了。
MAIM 的基本原理
似乎有一個實質性的共識，即關於事故的有用信息不應僅僅集中在損害或傷害的直接情況上，而且還應包括對導致事故序列發生的先前事件鍊和因素的理解。 一些早期的分類系統未能實現這一點。 理解對象、（人或對象的）運動和事件通常是混合的，並且不區分連續的事件。
一個簡單的例子說明了這個問題。 一名工人在一塊油上滑倒，摔倒並撞到機器上，導致腦震盪。 我們可以很容易地區分事故的（直接）原因（在油上滑倒）和受傷的原因（頭部撞到機器上）。 然而，一些分類系統包括“人員墜落”和“撞擊物體”類別。 事故可以歸因於其中任何一個，儘管它們甚至都沒有描述事故的直接原因（滑倒在油上）或因果因素（例如油是如何弄到地板上的）。
本質上，問題是在多因素情況下只考慮一個因素。 事故並不總是由單一事件組成； 可能有很多。 這些要點構成了職業醫師 Derek Manning 開發 MAIM 的基礎。
殘廢的描述
事故的核心是 第一個不可預見的 （不希望的或計劃外的）事件 涉及損壞的設備或受傷的人（圖 1). 這並不總是被描述為事故過程中的第一個事件 先行事件. 在上面的例子中，滑倒算作事故的第一個不可預見的事件。 （鑑於地板上有油漬，有人踩上一腳滑倒並非不可預見，但行走的人並沒有預見到這一點。）
圖 1. MAIM 事故模型
設備或人的行為由一般描述 活動 在時間和類型的更具體的描述 身體運動 當第一個事件發生時。 描述涉及的對象，對於與事件相關的對象，對象的特徵包括 位置、運動 和 條件. 有時，可能涉及與第一個對象相互關聯的第二個對象（例如，用錘子敲打鑿子）。
如上所述，可能有不止一個事件，並且 第二個事件 也可能有一個對象（可能是不同的）參與其中。 此外，設備或人員可能會做出額外的身體動作，例如伸出手來防止或阻止跌倒。 這些可以包含在模型中。 在序列最終導致受傷之前，可能會發生第三次或第四次或更晚的事件。 通過記錄與每個組件相關的因素，可以向各個方向擴展模型。 例如，活動和身體運動的分支將記錄工人的心理因素、藥物或身體限制。
一般來說，單獨的事件可以很容易地憑直覺區分，但更嚴格的定義是有用的：一個事件是 情況的能量狀態的意外變化或缺乏變化. （期限 能源 包括動能和勢能。）第一個事件總是出乎意料。 隨後的事件可能在第一件事之後是意料之中的，甚至是不可避免的，但在事故發生之前總是出乎意料的。 一個意想不到的缺乏能量變化的例子是當錘子被揮動時沒有擊中它所瞄準的釘子。 一名工人在一塊油地上滑倒，跌倒並撞到他或她的頭的例子提供了一個例證。 第一個事件是“腳打滑”——腳不是保持不動，而是獲得動能。 當獲得更多動能時，第二個事件是“下降”。 當受傷發生並且序列結束時，該能量被工人頭部與機器的碰撞所吸收。 這可以“繪製”到模型上，如下所示：
- 第一個事件：腳踩到油滑倒。
- 第二件事：人摔倒了。
- 第三件事：頭部撞到機器上。
使用 MAIM 的經驗
MAIM 模型的早期版本被用於對 2,428 年一家汽車公司變速箱製造廠報告的所有 1973 起事故的研究。 （有關詳細信息，請參閱 Shannon 1978。）這些操作包括齒輪的切割和磨削、熱處理和齒輪箱組裝。 切割過程會產生鋒利的金屬碎片和刨花，並使用油作為冷卻劑。 使用專門設計的表格來收集信息。 每個事故都由兩個人獨立繪製到模型上，並通過討論解決差異。 對於每起事故，組件都被賦予了數字代碼，因此數據可以存儲在計算機上並進行分析。 下面概述了一些基本結果，並提出了一項檢查，具體說明了從使用該模型中學到的內容。
事故率顯著降低（降低近 40%），這顯然是正在進行的研究的結果。 研究人員了解到，由於該研究要求進行額外的詢問（以及隨之而來的時間），許多員工“懶得”報告輕傷。 幾項證據證實了這一點：
- 研究結束後，該比率在 1975 年再次上升。
- 失時工傷率未受影響。
- 因非工業投訴而前往醫療中心的訪問未受影響。
- 其餘場地的事故率未受影響。
因此，降低的利率確實看起來確實是報告的產物。
另一個有趣的發現是，有 217 起傷害 (8%) 涉及的工人無法確定它們是如何或何時發生的。 之所以發現這一點，是因為工人們被明確詢問他們是否確定發生了什麼。 通常，所涉及的傷害是割傷或碎片，考慮到該工廠的工作性質，這種情況相對常見。
在其餘事故中，將近一半 (1,102) 僅由一次事件構成。 兩起事件和三起事件的事故依次減少，58 起事故涉及四起或更多事件。 隨著事件數量的增加，導致損失時間的事故比例顯著增加。 一種可能的解釋是，每個事件的動能都會增加，因此事件越多，當工人和相關物體發生碰撞時，就會消耗更多的能量。
進一步檢查損失時間事故和非損失時間事故之間的差異，發現模型的不同組件的分佈存在非常顯著的差異。 例如，當第一個事件是“人滑倒”時，近四分之一的事故導致時間損失； 但對於“身體被……刺穿”，只有 1% 的人這樣做了。 對於組件的組合，這種差異更加突出。 例如，關於最終事件和相關物體，在 132 起傷員被“刺傷”或“分裂”的事故中，沒有一涉及的物體”，40% 的傷害造成了損失時間。
這些結果與以下觀點相矛盾，即傷害的嚴重程度在很大程度上取決於運氣，預防所有類型的事故將導致嚴重傷害的減少。 這意味著分析所有事故並試圖預防最常見的事故類型不一定會對造成嚴重傷害的事故產生影響。
進行了一項子研究以評估模型中信息的有用性。 確定了事故數據的幾種潛在用途：
- 衡量安全績效——工廠或工廠區域的事故隨時間持續發生的程度
- 找出原因
- 識別錯誤（在該術語的最廣泛含義中）
- 檢查控制——即查看為防止某些類型的事故而採取的安全措施是否確實有效
- 提供專業知識的基礎，因為對各種事故情況和情況的了解可能有助於提供事故預防建議。
三名安全官員（從業者）評價了口頭描述和繪製的模型對一系列事故的有用性。 每個人至少對 75 起事故進行評分，評分範圍從 0（無用信息）到 5（完全適合使用）。 對於大多數事故，評級是相同的——也就是說，在從書面描述到模型的轉換過程中沒有信息丟失。 在信息丟失的地方，它大多只是 0 到 5 範圍內的一個點——也就是說，只有很小的損失。
然而，可用的信息很少“完全足夠”。 這部分是因為安全官員習慣於進行詳細的現場調查，而這項研究沒有這樣做，因為所有報告的事故，無論是輕微的還是更嚴重的事故，都包括在內。 然而，應該記住，繪製在模型上的信息直接來自書面描述。 由於丟失的信息相對較少，這表明有可能排除中間步驟。 個人電腦的更廣泛使用和改進軟件的可用性使自動數據收集成為可能——並允許使用清單來確保獲得所有相關信息。 為此目的編寫了一個程序，並進行了一些初步測試。
MAIM智能軟件
Troup、Davies 和 Manning (1988) 使用 MAIM 模型調查導致背部受傷的事故。 通過對一位對 MAIM 模型有經驗的採訪者進行的患者採訪的結果進行編碼，在 IBM PC 上創建了一個數據庫。 分析訪談以獲得 MAIM 描述（圖 2 ) 是由採訪者完成的，只是在這個階段將數據輸入數據庫。 雖然該方法非常令人滿意，但在使該方法普遍可用方面存在潛在問題。 特別是，需要兩個領域的專業知識——採訪技巧和熟悉形成事故 MAIM 描述所需的分析。
圖 2. 患者訪談記錄的事故摘要
軟件由 Davies 和 Manning (1994a) 開發，用於進行患者訪談並使用 MAIM 模型生成事故數據庫。 該軟件的目的是提供兩個領域的專業知識——採訪和分析以形成 MAIM 事件結構。 MAIM 軟件實際上是數據庫的智能“前端”，到 1991 年，它已經發展到足以在臨床環境中進行測試的程度。 MAIM 軟件旨在通過“菜單”與患者進行交互——患者從列表中選擇選項，只需使用光標鍵和“Enter”鍵。 從選項列表中選擇一個項目在某種程度上影響了訪談的路徑，也影響了在事故 MAIM 描述的適當部分記錄信息。 這種數據收集方法消除了對拼寫和打字技巧的需要，而且還提供了可重複和一致的訪談。
MAIM 模型的事件結構使用動詞和賓語來組成簡單的句子。 事件中的動詞可以與不同的事故場景相關聯，模型的這一屬性構成了構建構成訪談的一組相關問題的基礎。 問題的呈現方式使得在任何階段都只需要簡單的選擇，有效地將事故的複雜描述分解為一組簡單的描述。 一旦確定了事件動詞，就可以通過定位對象來找到相關名詞，形成一個句子，給出對特定事件描述的全部細節。 很明顯，這種策略需要使用可以快速有效地搜索的大量對象字典。
家庭事故監控系統 (HASS)（貿易和工業部 1987 年）監控事故中涉及的對象，HASS 使用的對象列表被用作 MAIM 軟件對象字典的基礎，並擴展到包括發現的對象在工作的地方。 對象可以分組到類中，並且使用這種結構可以定義層次菜單系統——對像類形成對應於菜單列表的層。 因此，關聯對象的鏈接列表可用於定位各個項目。 例如，對象 錘 可以通過依次從三個連續的菜單列表中選擇：(1) 工具，(2) 手動工具和 (3) 錘子來找到。 一個給定的對象可能被分為幾個不同的組——例如，一把刀可能與廚房用品、工具或鋒利的物體相關聯。 這個觀察被用來在對象字典中創建冗餘鏈接，允許許多不同的路徑找到所需的對象。 對象詞典目前擁有約 2,000 個條目的詞彙表，涵蓋工作和休閒環境。
MAIM 訪談還收集有關事故發生時的活動、身體動作、事故地點、促成因素、傷害和殘疾的信息。 所有這些元素都可能在一次事故中出現不止一次，這反映在用於記錄事故的底層關係數據庫的結構中。
在訪談結束時，將記錄幾句描述事故事件的句子，並要求患者按正確順序排列。 此外，要求患者將受傷與記錄的事件聯繫起來。 然後將收集到的信息摘要顯示在計算機屏幕上以供參考。
患者看到的事故摘要示例如圖 2 所示 . 此事故已疊加在圖 2 的 MAIM 圖上 . 有關因素和事故地點的詳細信息已被省略。
涉及受傷人員的第一個不可預見或意外事件（第一個事件）通常是事故序列中的第一個事件。 例如，當一個人滑倒時，滑倒通常是事故序列中的第一個事件。 另一方面，如果一個人被機器傷害是因為另一個人在受害者站好之前操作機器，涉及受害者的第一個事件是“被機器困住”，但事故序列中的第一個事件是“其他人過早操作機器”。 在 MAIM 軟件中，事故序列中的第一個事件被記錄下來，它可能來自涉及受傷人員的第一個事件，也可能是一個先前的事件（圖 1）。 從理論上講，這種看待問題的方式可能並不令人滿意，但從事故預防的角度來看，它確定了事故序列的開始，然後可以有針對性地防止以後發生類似事故。 （期限 偏離動作 一些權威人士使用它來描述事故序列的開始，但尚不清楚這是否始終與事故中的第一個事件同義。）
當 MAIM 軟件首次用於臨床環境時，很明顯在正確評估某些類型的“腳下”事故方面存在問題。 MAIM 模型將第一個不可預見的事件識別為事故序列的起點。 考慮兩起類似的事故，其中一名工人 故意地 踩到一個物體然後破裂，第二次事故是一名工人 無意中 踏上一個破碎的物體。 在第一個踩到物體的事故中是身體運動，第一個不可預見的事件是物體破碎。 在第二次事故中踩到物體是事故中的第一個意外事件。 這兩種情況的解決辦法是問，“你是不是不小心踩到什麼東西了？” 這證明了訪談的正確設計對於獲得準確數據的重要性。 通過對這兩起事故的分析，可以提出以下事故預防建議； 第一次事故本可以通過讓患者意識到物體會破裂來避免。 如果讓患者意識到該物體是腳下的危險物，則可以避免第二次事故。
MAIM 軟件已在三個臨床環境中成功測試，包括皇家利物浦大學醫院急症室的一個為期 1 年的項目。 患者訪談耗時 5 至 15 分鐘，平均每小時訪談兩名患者。 總共記錄了 2,500 起事故。 基於這些數據的出版物工作正在進行中。