Aplicación del aprendizaje automático a los registros de datos para identificar las prioridades de prevención
22 Jun

Aplicación del aprendizaje automático a los registros de datos para identificar las prioridades de prevención

Este estudio aprovechó una base de datos de solicitudes de indemnización laboral del estado de Ohio y técnicas de aprendizaje automático (machine learning) para orientar los esfuerzos de prevención por causa de lesiones por sector industrial.

Se desarrollaron métodos de codificación automática de la causalidad de la lesión para codificar más de 1,2 millones de solicitudes de indemnización de la Oficina de Compensación de Trabajadores de Ohio para este estudio. Los grupos de industria se clasificaron para los casos de trastornos musculoesqueléticos de tejidos blandos que se pudieron haber prevenido con intervenciones ergonómicas biomecánicas (ERGO) o accidentes.

Este estudio creó un tercer sistema importante de vigilancia de lesiones ocupacionales en EE. UU. Estos hallazgos se están utilizando para orientar los recursos de prevención en tipos específicos de lesiones ocupacionales en grupos industriales específicos, especialmente en Ohio. Otras oficinas estatales o aseguradoras pueden usar métodos similares.

 

Referencia:

Applying Machine Learning to Workers’ Compensation Data to Identify Industry-Specific Ergonomic and Safety Prevention Priorities: Ohio, 2001 to 2011.

Autores: Meyers AR, Al-Tarawneh IS, Wurzelbacher SJ, Bushnell PT, Lampl MP, Bell JL, Bertke SJ, Robins DC, Tseng CY, Wei C, Raudabaugh JA, Schnorr TM.

J Occup Environ Med. 2018 Jan;60(1):55-73.

Disponible en:

https://www.researchgate.net/publication/320050664_Applying_Machine_Learning_to_Workers’_Compensation_Data_to_Identify_Industry-Specific_Ergonomic_and_Safety_Prevention_Priorities_Ohio_2001_to_2011

Ergoscan® : informe de síntesis
18 Abr

Ergoscan® : informe de síntesis

Ergoscan® es una metodología de evaluación ergonómica desarrollada por la fundación belga PREVENT a petición del centro de la formación de la industria alimentaria, el IFP (Alimento). El método fue desarrollado sobre la base de cinco proyectos piloto en empresas. Durante las visitas a las empresas, se evaluaron métodos basados en la observación y entrevistas con mandos y trabajadores. Los proyectos piloto sirvieron para determinar el curso de la visita de empresa, los métodos empleados y la metodología del informe.

La metodología Ergoscan® se desarrolla de la siguiente manera:

  • Preparación: fijar los detalles prácticos de la visita, describir brevemente el propósito del Ergoscan®, explicando que la visita incluye la observación de 6 puestos de trabajo y

solicitar datos de la empresa.

  • Visita: Fase 1: realización de observaciones por los métodos basados ​​en ergonomía como el KIM 1,2,3, el NIOSH, BASIC ERGO Prevent, HEEPO y PREVENT Chek Human errors.; la toma de fotografías de los puestos de trabajo y actividades; entrevistas con trabajadores y mandos.
  • Visita: Fase 2: revisión de los resultados con el mando
  • Informe: el informe completo incluye

– una visión general de los factores de riesgo;

– un análisis más detallado de los puestos de trabajo examinados: descripción de los riesgos, fotos, recomendaciones y propuestas de mejora (Quick Win);

– una visión general de los riesgos y medidas de prevención sobre la base del método HEEPO.

El informe, además de una breve descripción de la metodología, incluye los resultados del trabajo realizado en 48 empresas de alimentación belgas y numerosos ejemplos ilustrados de medidas preventivas.

Referencia:

Ergoscan® Rapport de synthèse

Autores :

Rik Op De Beeck, Karla Van den Broek

Disponible en :

 

https://www.prevent.be/sites/default/files/ergoscan_rapport_de_synthese.pdf

Cibersal
CiberSal quiere ser un proyecto colectivo, con una vocación explícita de funcionamiento basado en la participación activa de los integrantes de la comunidad, por lo que se apoya en un entorno virtual con todas las herramientas necesarias para favorecer la interacción y la cooperación.
Enviar