一般的に言えば、用語 事故 望ましくない、または計画外の身体的損傷または損害をもたらす出来事を示すために使用されます。 事故モデルは、そのような事象の分析に適用される概念スキームです。 (一部のモデルでは、「ニアアクシデント」(「ニアミス」とも呼ばれます) がモデルでカバーされると明示的に宣言する場合がありますが、この記事ではその区別は重要ではありません。) 事故モデルはさまざまな目的に使用できます。 まず、事故がどのように発生するかについての概念的な理解を提供することができます。 第 XNUMX に、事故に関する情報を記録および保存するためにモデルを使用することができます。 第三に、事故を調査するメカニズムを提供する可能性があります。 これら XNUMX つの目的は完全に異なるわけではありませんが、分類の有用な手段を形成します。
この記事では、Merseyside Accident Information Model である MAIM について説明します。MAIM は、XNUMX 番目の目的である事故情報の記録と保存に最も適しています。 MAIM の理論的根拠の概要に続いて、モデルを評価するいくつかの初期の研究について説明します。 この記事の最後では、傷害事故に関する情報を収集して分析するための「インテリジェント ソフトウェア」の使用など、MAIM の最近の進歩について説明します。
初期の事故モデリング
ハインリッヒのモデル (1931 年) では、事故に至る一連の因果関係は、一連の 1971 つのドミノの落下に例えられ、最初の 1981 つのそれぞれが最終的なイベントが発生する前に必要でした。 MAIM の前身として、Manning (1993) は次のように結論付けています。 ホストまたはオブジェクト、あるいはその両方が互いに関連して移動します。」 Kjellén と Larsson (XNUMX) は独自のモデルを開発しました。このモデルでは、事故シーケンスとその根底にある決定要因の XNUMX つのレベルを仮定しました。 後の論文で、Kjellén と Hovden (XNUMX) は、その後の進歩を他の文献との関連で説明し、「強力な情報検索システムを使用して、定期的な事故および事故に近い報告からの既存の情報を効率的に使用する」必要性を指摘しました。 これは、MAIM で達成されています。
MAIMの根拠
事故に関する有用な情報は、単に損害や怪我の直接の状況に集中するだけでなく、一連の事故を引き起こした一連の出来事や要因の理解も含むべきであるという実質的なコンセンサスがあるようです. 一部の初期の分類システムは、これを達成できませんでした。 物体の理解、（人または物体の）動き、および出来事の理解は一般的に混合されており、連続する出来事は区別されませんでした。
簡単な例で問題を説明します。 作業員がオイルのパッチで滑って転倒し、機械に頭をぶつけて脳震盪を起こしました。 事故の（直接の）原因（オイルでのスリップ）と怪我の原因（機械に頭をぶつける）を簡単に区別できます。 ただし、一部の分類システムには、「人の落下」と「物への攻撃」のカテゴリが含まれています。 事故はこれらのいずれかに割り当てることができますが、どちらも事故の直接の原因 (油の上でのスリップ) や原因要因 (油がどのように床に落ちたのかなど) については説明していません。
本質的に問題は、多因子の状況で XNUMX つの因子だけが考慮されることです。 事故は常に単一のイベントで構成されるとは限りません。 多くあるかもしれません。 これらの点は、産業医である Derek Manning による MAIM の開発の基礎となりました。
MAIMの説明
事故の目玉は、 最初の予期せぬ （望ましくない、または計画外の）出来事 損傷した機器または負傷者が関与する (図 1）。 これは、事故プロセスの最初のイベントであるとは限りません。 前のイベント. 上記の例では、スリップは事故の最初の不測の事態としてカウントされます。 （床にオイルパッチが存在することを考えると、誰かがそれを滑って転ぶことは予期されていませんが、歩いている人はこれを予測していません. ）
図 1. MAIM 事故モデル
機器または人物の動作は、一般的に説明されています アクティビティ その時点でのタイプのより具体的な説明 体の動き 最初のイベントが発生したとき。 関連するオブジェクトについて説明し、イベントに関連するオブジェクトについては、オブジェクトの特性を示します。 位置、動き & 条件. 場合によっては、最初のオブジェクトと相互に関連する XNUMX 番目のオブジェクトが含まれる場合があります (たとえば、ノミをハンマーで叩くなど)。
上記のように、複数のイベントが存在する場合があり、 XNUMX番目のイベント オブジェクト (おそらく異なる) が含まれている場合もあります。 さらに、機器または人は、落下を防止または壊すために手を投げるなど、追加の体の動きをする場合があります。 これらはモデルに含めることができます。 最終的に負傷に至る前に、XNUMX 回目以降のイベントが発生する可能性があります。 各コンポーネントに関連する要因を記録することで、モデルをあらゆる方向に拡張できます。 たとえば、活動や体の動きからの分岐は、労働者の心理的要因、投薬、または身体的制限を記録します。
一般に、個々のイベントは直感的に簡単に区別できますが、より厳密な定義が役立ちます。 状況のエネルギー状態の予想外の変化、または変化の欠如. （用語 エネルギー 最初のイベントは常に予想外です。 最初のイベントの後には、その後のイベントが予想される場合があり、避けられない場合もありますが、事故前は常に予想外です。 予期せぬエネルギー変化の欠如の例は、ハンマーを振ったときに狙った釘に当たらない場合です。 オイルのパッチで滑って転んで頭を打った労働者の例は、実例を提供します. 最初のイベントは「足が滑る」です。足はじっとしているのではなく、運動エネルギーを獲得します。 XNUMX 番目のイベントは、さらに運動エネルギーを取得したときの「落下」です。 このエネルギーは、怪我が発生してシーケンスが終了したときに、作業員の頭が機械に衝突することによって吸収されます。 これは、次のようにモデルに「プロット」できます。
- 第 1 のイベント: 足が油で滑った。
- 2 番目のイベント: 人が倒れた。
- 3 番目のイベント: マシンに頭をぶつけた。
MAIMの経験
MAIM モデルの以前のバージョンは、自動車会社の敷地内にあるギアボックス製造工場で 2,428 年に報告された 1973 件の事故すべての研究に使用されました。 (詳細については、Shannon 1978 を参照してください。) 操作には、ギアの切断と研削、熱処理、およびギアボックスの組み立てが含まれていました。 切削加工では鋭い金属の破片や削りくずが生じ、油が冷却剤として使用されました。 情報を収集するために、目的に合わせて設計されたフォームが使用されました。 各事故は XNUMX 人が別々にモデルにプロットし、不一致は議論によって解決されました。 事故ごとにコンポーネントに数値コードが与えられたため、データはコンピューターに保存され、分析が実行されました。 以下は、いくつかの基本的な結果を概説し、モデルの使用から具体的に学んだことを調べたものです。
調査の結果、事故率が大幅に（40%近く）減少しました。 研究者は、この研究で求められた追加の質問 (およびそれに伴う時間) のために、多くの従業員が軽傷を報告することを「気にすることができなかった」ことを知りました。 いくつかの証拠がこれを確認しました：
- 調査が終了した後、1975 年にこの割合は再び上昇しました。
- 休業災害の発生率は影響を受けませんでした。
- 非産業上の苦情のための医療センターへの訪問は影響を受けませんでした。
- 残りの敷地での事故率は影響を受けませんでした。
このように、率の低下は確かに報告の人工物であると思われました。
もう 217 つの興味深い発見は、関与した労働者がいつ、どのように発生したかを特定できなかった負傷が 8 件 (XNUMX%) あったことです。 これは、労働者が何が起こったのか確信があるかどうかを明示的に尋ねられたために発見されました。 通常、関係する怪我は切り傷や破片であり、この工場での仕事の性質を考えると比較的一般的です.
残りの事故のうち、ほぼ半分 (1,102 件) は 58 つのイベントだけで構成されていました。 XNUMX 事象および XNUMX 事象の事故は連続して少なくなり、XNUMX 件の事故が XNUMX 事象またはそれ以上の事象に関係していました。 イベント数の増加に伴い、タイムロス事故の割合が著しく増加しました。 考えられる説明の XNUMX つは、イベントごとに運動エネルギーが増加したため、イベントが増えると、ワーカーと関連するオブジェクトが衝突したときに散逸するエネルギーが多くなったということです。
休業災害と非休業災害の違いをさらに調べたところ、モデルの個々のコンポーネントの分布に非常に顕著な違いがあることがわかりました。 たとえば、最初のイベントが「人が滑った」場合、事故のほぼ 1 分の 132 がタイムロスにつながりました。 しかし、「体に穴をあけられた」のは 40% だけでした。 コンポーネントの組み合わせでは、そのような違いが強調されました。 例えば、最終種目と関連物に関しては、死傷者が「刺された」または「破れた」XNUMX件の事故のいずれもタイムロスに至らなかったが、最終種目が「緊張/捻挫」の場合は「無」であった.オブジェクトが関与している」、負傷の XNUMX% は時間の損失を引き起こしました。
これらの結果は、負傷の重症度は主に運の問題であり、あらゆる種類の事故を防止することは重大な負傷の減少につながるという見解と矛盾しています。 これは、すべての事故を分析し、最も一般的なタイプの事故を防止しようとしても、必ずしも重傷者に影響を与えるとは限らないことを意味します。
モデル内の情報の有用性を評価するためにサブスタディが実施されました。 事故データのいくつかの潜在的な用途が特定されました。
- 安全性能の測定 - プラントまたはプラントのエリアで発生し続ける事故の程度
- 原因を特定する
- エラーを特定する (用語の最も広い意味で)
- 制御をチェックすること、つまり、ある種の事故を防止するために講じられた安全対策が実際に有効であるかどうかを確認すること
- 幅広い事故の状況と状況に関する知識が事故防止のアドバイスを提供するのに役立つ可能性があるため、専門知識の基礎を提供すること。
75 人の安全担当者 (実務者) が、一連の事故に対する口頭での説明とプロットされたモデルの有用性を評価しました。 それぞれが、少なくとも 0 件の事故を 5 (有用な情報なし) から 0 (完全に使用に適している) までの尺度で評価しました。 大部分の事故では、評価は同じでした。つまり、記述された説明からモデルへの転送で情報が失われることはありませんでした。 情報の損失があった場合、それはほとんど 5 から XNUMX のスケールで XNUMX ポイントにすぎませんでした。つまり、わずかな損失でした。
ただし、入手可能な情報が「完全に適切」であることはめったにありませんでした。 これは、安全担当者が詳細な現場調査を行うことに慣れていたことが一因であり、報告されたすべての事故が軽微なものから重大なものまで含まれていたため、この調査では行われませんでした。 ただし、モデルにプロットされた情報は、記述された説明から直接取得されたことを覚えておく必要があります。 比較的少ない情報が失われたため、これは中間ステップを除外する可能性を示唆しています。 パーソナル コンピュータの普及と改良されたソフトウェアの利用可能性により、自動データ収集が可能になり、すべての関連情報を確実に取得するためにチェックリストを使用できるようになりました。 この目的のためにプログラムが作成され、いくつかの初期テストが行われました。
MAIMインテリジェントソフトウェア
MAIM モデルは Troup、Davies、および Manning (1988) によって使用され、背中の怪我を引き起こす事故を調査しました。 MAIM モデルの経験を積んだインタビュアーが実施した患者インタビューの結果をコーディングすることにより、IBM PC 上にデータベースが作成されました。 MAIM の説明を取得するためのインタビューの分析 (図 2 ) はインタビュアーによって行われ、データがデータベースに入力されたのはこの段階だけでした。 この方法は非常に満足のいくものでしたが、この方法を一般的に利用しやすくするには潜在的な問題がありました。 特に、インタビューのスキルと、MAIM による事故の説明を作成するために必要な分析に関する知識という XNUMX つの専門分野が必要でした。
図 2. 患者へのインタビューによって記録された事故の概要
ソフトウェアは Davies と Manning (1994a) によって開発され、MAIM モデルを使用して患者へのインタビューを行い、事故のデータベースを作成しました。 このソフトウェアの目的は、MAIM イベント構造を形成するためのインタビューと分析という 1991 つの専門分野を提供することでした。 MAIM ソフトウェアは事実上、データベースのインテリジェントな「フロント エンド」であり、XNUMX 年までに臨床環境でテストできるほど十分に開発されました。 MAIM ソフトウェアは、「メニュー」によって患者と対話するように設計されています。患者は、カーソル キーと「Enter」キーのみを使用する必要があるリストからオプションを選択します。 選択肢のリストから項目を選択することは、インタビューの経路にある程度影響を与え、事故の MAIM 記述の適切な部分に情報を記録する効果もありました。 このデータ収集方法により、つづりやタイピングのスキルが不要になり、反復可能で一貫したインタビューが可能になりました。
MAIM モデルのイベント構造では、動詞と目的語を使用して単純な文を形成します。 イベントの動詞はさまざまな事故シナリオに関連付けることができ、モデルのこのプロパティは、インタビューを形成する一連のリンクされた質問の構築の基礎を形成します。 質問は、どの段階でも簡単な選択だけが必要とされるような方法で提示され、事故の複雑な説明を一連の簡単な説明に効果的に分割します。 イベント動詞が識別されると、特定のイベントの説明の完全な詳細を提供する文を形成するオブジェクトを見つけることによって、関連付けられた名詞を見つけることができます。 この戦略では、迅速かつ効率的に検索できるオブジェクトの広範なディクショナリを使用する必要があることは明らかです。
Home Accident Surveillance System (HASS) (Department of Trade and Industry 1987) は、事故に関係するオブジェクトを監視します。HASS で使用されるオブジェクトのリストは、MAIM ソフトウェアのオブジェクト ディクショナリの基礎として使用され、見つかったオブジェクトを含めるように拡張されました。職場で。 オブジェクトはクラスにグループ化でき、この構造を使用して階層メニュー システムを定義できます。オブジェクトのクラスは、メニュー リストに対応するレイヤーを形成します。 したがって、関連付けられたオブジェクトのリンクされたリストを使用して、個々のアイテムを見つけることができます。 例として、オブジェクト ハンマー 1 つの連続するメニュー リストから (2) ツール、(3) ハンド ツール、(2,000) ハンマーを順に選択することで見つけることができます。 特定のオブジェクトは、いくつかの異なるグループに分類される可能性があります。たとえば、ナイフは、キッチン用品、ツール、または鋭利なオブジェクトに関連付けることができます。 この観察は、オブジェクト ディクショナリに冗長なリンクを作成するために使用され、必要なオブジェクトを見つけるためのさまざまなパスを可能にしました。 オブジェクト辞書には、現在、仕事とレジャーの環境をカバーする約 XNUMX エントリの語彙があります。
MAIM のインタビューでは、事故当時の活動、体の動き、事故の場所、要因、負傷、障害に関する情報も収集されます。 これらの要素はすべて、事故で複数回発生する可能性があり、これは、事故を記録するために使用された基礎となるリレーショナル データベースの構造に反映されています。
インタビューの最後に、事故の出来事を説明するいくつかの文が記録され、患者はそれらを正しい順序に並べるように求められます。 さらに、患者は怪我を記録されたイベントと関連付けるよう求められます。 収集された情報の概要は、情報用のコンピューターの画面に表示されます。
患者が見た事故概要の例を図 2 に示します。 . この事故は、図 2 の MAIM ダイアグラムに重ねられています。 . 事故の要因と場所に関する詳細は省略されています。
負傷者が関与する最初の予期しないまたは意図しないイベント (最初のイベント) は、通常、一連の事故の最初のイベントです。 たとえば、人が滑って転んだ場合、通常、滑落は一連の事故の最初のイベントです。 一方、被害者が立ち止まる前に別の人が機械を操作したために人が機械によって負傷した場合、被害者が関与する最初のイベントは「機械による挟み込み」ですが、一連の事故の最初のイベントは「その他」です。時期尚早に機械を操作した人」。 MAIM ソフトウェアでは、一連の事故の最初のイベントが記録され、負傷者が関与する最初のイベントから、または先行イベントとして発生する可能性があります (図 1)。 理論的には、このような見方は不十分かもしれませんが、事故防止の観点からは、事故シーケンスの始まりを特定し、将来の同様の事故を防止することを目標にすることができます。 （用語 偏差のアクション 一部の当局では、事故シーケンスの開始を説明するために使用されていますが、これが常に事故の最初のイベントと同義であるかどうかはまだ明らかではありません.)
MAIM ソフトウェアが臨床現場で初めて使用されたとき、ある種の「足元」の事故を正しく評価するのに問題があることは明らかでした。 MAIM モデルは、最初の不測の事態を一連の事故の開始点として識別します。 似たような XNUMX つの事故を考えてみましょう。 故意に 物に足を踏み入れて割ってしまい、XNUMX度目の事故。 無意識のうちに 壊れる物に乗る。 物体を踏む最初の事故は体の動きであり、最初の不測の事態は物体の破損です。 XNUMX 番目の事故では、物を踏むことが、事故における最初の不測の事態です。 この XNUMX つのシナリオの解決策は、「うっかり何かを踏んでしまいましたか?」と尋ねることです。 これは、正確なデータを取得する上で、インタビューを正しく設計することがいかに重要かを示しています。 これら XNUMX つの事故の分析により、次のような事故防止に関する推奨事項が可能になります。 最初の事故は、物体が壊れるということを患者に認識させることで防ぐことができたはずです。 XNUMX 番目の事故は、物体が足元の危険であることを患者に認識させることで防ぐことができたはずです。
MAIM ソフトウェアは、Royal Liverpool University Hospital の Accident and Emergency Department での 1 年間のプロジェクトを含む 5 つの臨床設定で正常にテストされています。 患者へのインタビューは 15 ～ 2,500 分かかり、XNUMX 時間あたり平均 XNUMX 人の患者がインタビューを受けました。 全部で XNUMX 件の事故が記録されました。 これらのデータに基づく出版物に関する作業が進行中です。