Bayesian network analysis of the influence of labour market variables on accident rates of workers in Spain

López-García, J.R.; Mariscal, Vicente; Herrero, Susana Garcı́a; Gutiérrez, José Manuel

doi:10.1201/9781315374987-250

Cited by 2 publications

(2 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The ROC curve is a standard validation approach for probabilistic classifiers [50,51]. A ROC curve is a two-dimensional graph in which the True Positive Rate (TPR) (sensitivity or recall) is plotted on the y-axis and the False Positive Rate (FPR or 1specificity) is plotted on the x-axis, as a function of the threshold u, ranging from 0 to 1 [55]. The Area Under the Curve (AUC) can be interpreted as a measure of overall accuracy, varying from 0.5 (random guess) to 1 (perfect performance) [56].…”

Section: F Training Validation and Performance Evaluationmentioning

confidence: 99%

Utilization of Machine Learning in Supporting Occupational Safety and Health Decisions in Hospital Workplace

Koklonis

Sarafidis

Vastardi

et al. 2021

Eng. Technol. Appl. Sci. Res.

View full text Add to dashboard Cite

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.

show abstract

Section: F Training Validation and Performance Evaluationmentioning

confidence: 99%

Utilization of Machine Learning in Supporting Occupational Safety and Health Decisions in Hospital Workplace

Koklonis

Sarafidis

Vastardi

et al. 2021

Eng. Technol. Appl. Sci. Res.

View full text Add to dashboard Cite

show abstract

“…Χρησιμοποιούνται διάφορες τιμές κατωφλίου (εύρους 0-1) και σημειώνονται κάθε φορά τα ποσοστά True Positive Rate (TPR=TP/P) (sensitivity or recall)και False Positive Rate (FPR=FP/N) (FPR or 1 -specificity). Αυτά τα ζεύγη τιμών σημειώνονται σε ένα γράφημα όπου ο άξονας y αντιστοιχεί στα TPR και ο άξονας x στα FPR[137]. Η περιοχή κάτω από την καμπύλη (AUC) μπορεί να ερμηνευθεί ως ένα μέτρο της συνολικής ακρίβειας, με τις τιμές της να παρουσιάζουν εύρος από 0.5 (random guess) to 1 (perfect performance)[138].7.…”

unclassified

Ανάπτυξη Ευφυών Υπολογιστικών Μεθόδων Για Την Αξιολόγηση Και Τη Βελτίωση Της Υγείας Και Της Ασφάλειας Των Εργαζομένων Σε Νοσοκομεία - Θεραπευτήρια

Koklonis¹,

Κοκλώνης²

View full text Add to dashboard Cite

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.

show abstract

Bayesian network analysis of the influence of labour market variables on accident rates of workers in Spain

Cited by 2 publications

References 1 publication

Utilization of Machine Learning in Supporting Occupational Safety and Health Decisions in Hospital Workplace

Utilization of Machine Learning in Supporting Occupational Safety and Health Decisions in Hospital Workplace

Ανάπτυξη Ευφυών Υπολογιστικών Μεθόδων Για Την Αξιολόγηση Και Τη Βελτίωση Της Υγείας Και Της Ασφάλειας Των Εργαζομένων Σε Νοσοκομεία - Θεραπευτήρια

Contact Info

Product

Resources

About