Show simple item record

Bayesian network analysis of accident risk in information-deficient scenarios

Análisis mediante redes bayesianas de situaciones de riesgo de accidente en las que existe déficit de información

dc.creatorEnrique Martín, José Enrique Martín
dc.creatorTaboada-García, Javier Taboada-García
dc.creatorGerassis, Saki Gerassis
dc.creatorSaavedra, Ángeles Saavedra
dc.creatorMartínez-Alegría, Roberto
dc.date2017-12-31
dc.identifierhttp://revistadelaconstruccion.uc.cl/index.php/RDLC/article/view/12718
dc.identifier10.7764/RDLC.16.3.439
dc.descriptionAnalysis of accidents using Bayesian networks links certain predictor factors with other target factors representing types of accidents under study. Databases of real accident reports are typically used for both designing and training networks, which inevitably skews future inferences. Inferences are also limited because such databases do not usually include data on situations where accidents have not occurred. Inferences can thus be made about the occurrence of an accident, but not about specific types of accident. We describe a novel Bayesian network strategy for the field of occupational risk prevention which, extracting data from a database that includes situations where no accident has occurred, quantifies the influence and interactions of factors. It also allows particular accident types to be studied individually, thereby highlighting not only the correlation but also the causal relationship between work setting and accident risk.en-US
dc.descriptionCuando se analizan situaciones de accidentes de trabajo mediante el empleo de redes bayesianas, se relacionan determinados factores causales con otros factores finales o de predicción que representan los tipos de accidente objeto de análisis. Tanto para el diseño como para el aprendizaje de este tipo de redes suelen emplearse bases de datos de partes de accidentes que, inevitablemente, sesgará las futuras inferencias. Además, debido a que habitualmente las bases de datos no recogen situaciones en las que no ha acaecido un siniestro, el tipo de inferencias a realizar es también limitado. Así, es posible realizar una inferencia sobre el hecho de que ocurra un siniestro, pero resulta imposible inferir sobre cada tipo de accidente de forma individualizada. En este artículo se presenta una novedosa estrategia en el campo de la prevención de riesgos laborales cuando se trabaja con redes bayesianas. Mediante su implementación se resuelve la problemática de operar con bases de datos en las que no se contemplan casos en los que no ha acontecido un accidente. Esta nueva metodología aquí propuesta permite cuantificar la influencia de los factores causales y la interdependencia existente entre ellos. Además, hace posible el estudio individualizado de un determinado accidente mediante de redes bayesianas. Este último punto demuestra no solo la relación de correlación sino de causalidad entre entorno de trabajo y riesgo de accidente laboral.es-ES
dc.formatapplication/pdf
dc.languageeng
dc.publisherEscuela de Construcción Civil de la Pontificia Universidad Católica de Chileen-US
dc.relationhttp://revistadelaconstruccion.uc.cl/index.php/RDLC/article/view/12718/11316
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0en-US
dc.sourceRevista de la Construcción. Journal of Construction; Vol. 16 No. 3 (2017): Revista de la Construcción. Journal of Construction; 439-446en-US
dc.source0718-915X
dc.subjectObra civiles-ES
dc.subjectdéficit de informaciónes-ES
dc.subjectredes bayesianases-ES
dc.subjectaccidente de trabajoes-ES
dc.subjecttécnicas de reducción de modeloses-ES
dc.subjectCivil engineeringen-US
dc.subjectinformation deficiten-US
dc.subjectBayesian networksen-US
dc.subjectworkplace accidenten-US
dc.subjectmodel reductionen-US
dc.titleBayesian network analysis of accident risk in information-deficient scenariosen-US
dc.titleAnálisis mediante redes bayesianas de situaciones de riesgo de accidente en las que existe déficit de informaciónes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


This item appears in the following Collection(s)

Show simple item record