Een overzicht van ongevallenpronomheidsprincipes (met statistieken)
Met een kleine wijziging de verklaring "Ongevallen verdelen zich niet bij toeval maar. . . vaak voorkomen bij sommige mannen en zelden bij anderen als een logisch gevolg van een combinatie van omstandigheden "is een generalisatie geworden. Deze verklaring belichaamt het principe van ongevallengevoeligheid. Ongevalgevoeligheid is een hypothese over menselijk gedrag dat zegt dat ongevallengedrag geen willekeurig verschijnsel is. Het is eerder een consistent kenmerk dat kan worden voorspeld. Het concept van ongevallenpreventie houdt niet in dat ongelukken louter bij toeval worden veroorzaakt. Men kan dit concept weergeven met de eenvoudige vergelijking
A T = a e + a p
Waar A T = totaal aantal ongevallen
een e = ongevallen veroorzaakt door toevalsfactoren
een p = ongevallen die te wijten zijn aan persoonlijke kenmerken
Degenen die geloven in ongevalsgevoeligheid geloven dat een p een belangrijke bron van ongelukken is.
Mintz en Blum, die de literatuur in het veld kritisch hebben geëvalueerd, zijn tot de conclusie gekomen dat de ongevallenpreventie overschat wordt (1948). Een correcte interpretatie vereist dat de tweede helft van de verklaring als volgt wordt geformuleerd: Ongelukjes komen vaak voor bij sommige mannen, dat wil zeggen, sommige mannen hebben meer ongelukken dan zou worden verwacht door toeval, en niet vaak aan anderen, dat wil zeggen, andere mannen hebben minder ongevallen dan zou worden verwacht bij toeval.
In overeenstemming met de toevallige verwachting zullen sommige mannen geen ongelukken hebben, sommigen zullen één ongeval hebben, sommige twee ongelukken, en drie of meer ongelukken. Met andere woorden, toeval zal resulteren in een verdeling van ongevallen, en het is verkeerd om aan te nemen dat alle mannen, in overeenstemming met de toevallige verwachting, een gelijk aantal ongevallen moeten hebben.
Om het principe van ongevallenbestendigheid vast te stellen of te ondersteunen, kunnen drie methoden worden gebruikt. Bij één methode wordt de verdeling van het totale aantal ongevallen in een populatie vergeleken met de verdeling die zou worden verwacht als alleen kansfactoren zouden werken. Een vergelijking van deze twee verdelingen maakt het mogelijk om te bepalen of ongevallen vaker bij sommige mannen gebeurden dan bij toeval werd verwacht.
De tweede methode is om de personen en het aantal ongevallen in twee opeenvolgende perioden te bestuderen. De neiging van deze mensen om een vergelijkbaar aantal ongevallen te hebben kan worden beschouwd als bewijs voor de neiging tot ongelukken. De derde methode is het berekenen van de correlatiecoëfficiënt van de ongevallenregistraties van een groep gedurende twee perioden.
Mintz en Blum (1949) vonden een aanzienlijke hoeveelheid slordige rapportage, onlogische redenering en onbekendheid met de statistische theorie die ten grondslag ligt aan ongevalsgevoeligheid. Hun analyse toont aan dat 60 tot 80 procent van de gemelde ongevallen te wijten lijkt te zijn aan onvoorspelbare factoren en de resterende 20 tot 40 procent aan de component van ongevallenaansprakelijkheid, die zowel persoonlijke kenmerken als milieuomstandigheden omvat die bijdragen aan de registratie van ongevallen. Op deze manier lijkt ongevalsgevoeligheid niet de belangrijkste factor te zijn om het probleem van ongevallen te begrijpen of aan te vallen.
Het meest voorkomende bewijs voor het bestaan van ongevalsgevoeligheid is het feit dat een klein percentage van de bevolking een groot percentage van het totale aantal ongevallen heeft. Dergelijke verklaringen op zichzelf geven geen bewijs van ongevalsgevoeligheid. De voor de hand liggende fout hierin wordt duidelijk gemaakt door de volgende hypothetische situatie: Tweehonderd werknemers hebben 100 ongevallen. Als elke medewerker die een ongeval heeft er maar één heeft, is er de mogelijkheid voor slechts 100 werknemers om een ongevallenregistratie te hebben, en toch leidt dit tot de conclusie dat 50 procent van de werknemers 100 procent van de ongevallen heeft.
Deze situatie is buitengewoon onwerkelijk, want er is geen reden om aan te nemen dat elke werknemer één ongeluk zou moeten hebben. Afhankelijk van het toeval zou ongeveer 121 in een populatie van 200 geen ongevallen hebben, 61 mensen zouden één ongeval moeten hebben, 15 mensen zouden er twee moeten hebben en 3 personen zouden drie ongelukken moeten hebben. Op basis hiervan is de verwachting dat 9 procent van de bevolking 39 procent van de ongevallen zal hebben en dat 39, 5 procent van de bevolking 100 procent van de ongevallen zal hebben. Deze verdeling is uitsluitend te wijten aan de toevallige verwachting; er is geen bewijs van ongevalsgevoeligheid.
Als een kaartspel uitgedeeld wordt aan vier personen gebeurt het soms dat een van hen zes, zeven of meer harten krijgt in plaats van drie of vier. Een dergelijke verdeling wordt normaal gesproken aan toeval toegeschreven. Uitspraken dat 10 procent van de bevolking 30 procent van de ongevallen heeft of dat 25 procent 75 procent van de ongevallen heeft, moeten als niet-overtuigend worden beschouwd, tenzij de totale bevolking en het totale aantal ongevallen bekend zijn. Alleen als we deze cijfers hebben, kunnen we vaststellen in hoeverre de verdeling van ongevallen te wijten is aan de toevallige verwachting en de mate waarin andere factoren zoals ongevalsgevoeligheid binnenkomen.
Een vroege studie waarnaar vaak wordt verwezen en die bewijs vindt voor de kans op ongelukken werd uitgevoerd door Greenwood and Woods (1919). De gegevens in dit onderzoek zijn vrij compleet, wat meer is dan kan worden gezegd over veel van de meer recente studies. Deze auteurs ontwikkelen de statistische formule op basis van een theorie van ongevalsdrang en dit moet worden erkend als een bijdrage. Tabel 18.1 presenteert enkele gegevens uit dit onderzoek.
Als het principe van ongevallenbestendigheid behouden moet blijven, zouden meer mensen geen ongelukken moeten hebben dan door toeval zou worden voorspeld. In drie van de vijf groepen geldt dit, maar in de andere twee niet. In de drie groepen waar het wel klopt, zijn de percentages 6, 3 en 10 procent.
Deze percentages kunnen worden toegeschreven aan de schadelijkheid van een ongeval bij bepaalde mensen, maar ze moeten ook worden toegeschreven aan andere oorzakelijke factoren zoals de duur van het dienstverband, het baanrisico, de training, enz. Hoe dan ook is de ongevalsdrang als een oorzaak van ongelukken blijkbaar niet zo formidabel als sommige autoriteiten het hebben gehaald. Hoewel Greenwood en Woods het principe van ongevallenbestendigheid vastleggen, geven ze niet aan in hoeverre het verantwoordelijk is voor ongelukken; vele anderen die onderzoek op dit gebied hebben gedaan, impliceren dat de mate van ongevalsgevoeligheid overdreven is.
Een ander onjuist gebruik van ongevalsgevoeligheid wordt gezien in de willekeurige classificatie van mensen die meer dan het gemiddelde aantal ongevallen als ongevalsgevoelig hebben. Een dergelijke methode werd gebruikt in de Cleveland Railway-studie, en ten minste één leerboek definieert ongevallenbeschadiging als aanwezig in mensen die twee of drie keer zoveel ongevallen hebben als de gemiddelde persoon.
In tabel 18.1 is het gemiddelde aantal ongevallen per persoon ongeveer 0, 5; vandaar dat bij een willekeurige classificatie een persoon met een of twee ongelukken per ongeluk zou kunnen gebeuren. Dit is niet noodzakelijk waar. De hypothetische situatie laat duidelijk zien dat sommige mensen twee of drie ongelukken hebben, uitsluitend op basis van de toevallige verwachting. Deze kritische houding ten opzichte van het concept van ongevalsbestendigheid wordt mede ondersteund door Cobb (1940) en Johnson (1946). Meer werk in deze zin moet worden aangemoedigd.
Arbous en Kerrich hebben ook uitgebreid onderzoek gedaan naar de literatuur over ongevallenstatistieken en ongevallenpreventie (1951). Net als Mintz en Blum geloven ze dat de kennis van dit concept nauwelijks verder is gegaan dan de vroege studies van Greenwood en in sommige opzichten heeft het onderwerp feitelijk een omgekeerd effect ondervonden vanwege het misverstand. Hun artikel is een buitengewoon goed geschreven en gemakkelijk te begrijpen artikel en zou een standaardreferentie moeten zijn voor de meer serieuze student op dit gebied.
Ze werpen zulke belangrijke punten op als de correlatie tussen kleine ongevallen gedurende twee opeenvolgende perioden, de correlatie tussen zware ongevallen gedurende twee opeenvolgende perioden, de correlatie tussen kleine en zware ongevallen en de correlatie tussen verschillende soorten ongevallen.
Ze concluderen met de opmerking: "'Ongevendheid-aanleg Percy' is een hersenspinsel als gevolg van wishful thinking." Dit wijst op een visie op ongevallenpreventie, omdat het betekent dat iemands aansprakelijkheid of aanleg voor ongevallen (als zoiets bestaat) ) in een reeks omstandigheden geeft weinig indicatie van de aanleg in een andere. De overtuigende opmerking die het beste het standpunt van Arbous en Kerrich kan samenvatten is als volgt: "Dit betekent niet dat ongevallengevoeligheid niet bestaat, maar dat we tot nu toe het niet gelukt om het te definiëren, de afmetingen en samenstellende elementen ervan te beoordelen, noch een techniek ontwikkeld om het in de praktijk te brengen. "
