The prediction of possible future incidents or accidents and the efficiency assessment of the Occupational Safety and Health (OSH) interventions are essential for the effective protection of healthcare workers, as the occupational risks in their workplace are multiple and diverse. Machine learning algorithms have been utilized for classifying post-incident and post-accident data into the following 5 classes of events: Needlestick/Cut, Falling, Incident, Accident, and Safety. 476 event reports from Metaxa Cancer Hospital (Greece), during 2014-2019, were used to train the machine learning models. The developed models showed high predictive performance, with area under the curve range 0.950-0.990 and average accuracy of 93% on the 10-fold cross set, compared to the safety engineer’s study reports. The proposed DSS model can contribute to the prediction of incidents or accidents and efficiency evaluation of OSH interventions.
Σκοπός της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη ενός ευφυούς συστήματος αξιολόγησης και βελτίωσης της Υγείας και της Ασφάλειας των Εργαζομένων στα Νοσοκομεία, λαμβάνοντας υπόψη τον αυξημένο πολυδιάστατο επαγγελματικό κίνδυνο που χαρακτηρίζει την εργασία στο συγκεκριμένο πεδίο, αλλά και τις δυνατότητες που προσφέρουν οι νέες τεχνολογίες και ειδικότερα οι αλγόριθμοι μηχανικής μάθησης στο συγκεκριμένο τομέα. Για το σκοπό αυτό πραγματοποιήθηκε βιβλιογραφική επισκόπηση σχετικά με τις εφαρμογές ηλεκτρονικών «εργαλείων» και μηχανικής μάθησης στον τομέα της Υγείας και Ασφάλειας της Εργασίας στο χώρο της υγείας. Στη συνέχεια, παρουσιάστηκε μεθοδολογία για την υλοποίηση του προτεινόμενου συστήματος, με βάση δεδομένα συμβάντων και ατυχημάτων καθώς και μελέτης εκτίμησης επαγγελματικού κινδύνου Νοσοκομείου της χώρας. Οι αλγόριθμοι που χρησιμοποιήθηκαν επέδειξαν υψηλή προγνωστική αξία συγκρινόμενοι με τις αναφορές του Τεχνικού Ασφαλείας. Με την εφαρμογή του προτεινόμενου συστήματος δίνεται η δυνατότητα για την αντίληψη της πιθανότητας να λάβει χώρα ένα συμβάν ή ατύχημα σε ένα τμήμα του Νοσοκομείου, καθώς και την εκτίμηση της αποτελεσματικότητας ενδεχόμενων παρεμβάσεων στο συγκεκριμένο τομέα από τη Διοίκηση του Νοσοκομείου. Επίσης, προτάθηκαν «εργαλεία» διαχείρισης της μυοσκελετικής καταπόνησης και κατανομής κόστους παρεμβάσεων Υγείας και Ασφάλειας της Εργασίας, με την πιλοτική τους εφαρμογή να επιδεικνύει πρακτικότητα και λειτουργικότητα.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.