Geospatial Impact Indexing of Agricultural Incidents: A Multi-Criteria Risk Assessment in the U.S. Midwest

Cette étude présente un cadre géospatial multicritère exploitant la méthode AHP et un pondérage AHP flou géométrique pour révéler que, si la fréquence des incidents agricoles dans le Midwest des États-Unis est concentrée dans le nord-ouest de l'Iowa, le risque pondéré par la gravité s'étend plus largement, offrant ainsi une approche supérieure fondée sur des preuves pour cibler les interventions de sécurité et la planification des soins médicaux d'urgence par rapport aux évaluations traditionnelles basées uniquement sur la fréquence.

L'essentiel

Imaginez le Midwest américain comme une immense cuisine animée où des millions de repas sont préparés chaque année. Mais au lieu de simplement hacher des légumes, les « chefs » (les agriculteurs) font fonctionner d'énormes machines puissantes, manipulent du bétail lourd et travaillent dans des coins reculés de cette cuisine. Parfois, les choses tournent mal.

Ce document est comme un nouveau bulletin de sécurité pour cette cuisine. Les auteurs, Ege Duran, Omer Mermer et Ibrahim Demir, soutiennent que l'ancienne méthode de notation était défectueuse. Voici une explication simple de leurs résultats et de leurs méthodes :

Le Problème : Compter vs Comprendre

L'Ancienne Méthode : Imaginez un enseignant qui ne compte que le nombre de fois où un élève lève la main pour répondre à une question. Il pourrait dire : « Wow, cet élève est très actif ! » Mais cela ne vous dit pas si l'élève répond correctement, dangereusement, ou s'il est en difficulté.
Le Point de Vue de l'Étude : Les chercheurs affirment que compter simplement le nombre d'accidents agricoles (la fréquence) revient à compter les mains levées. Cela vous indique où les agriculteurs sont occupés, mais cela ne vous dit pas où se trouve le vrai danger. Une ferme très active peut connaître de nombreux petits chocs survivables, tandis qu'une ferme plus calme peut subir quelques événements catastrophiques.

La Solution : Une Recette de « Score de Risque »

Pour corriger cela, l'équipe a créé un nouvel « Indice d'Impact ». Imaginez cela comme une recette complexe pour un score de risque. Au lieu de simplement compter les accidents, ils ont mélangé plusieurs ingrédients pour voir à quel point un lieu spécifique est « dangereux » :

1. La Issue (Décès) : Quelqu'un est-il mort ? C'est l'ingrédient le plus lourd.
2. Le Mécanisme (Type d'Accident) : S'agissait-il d'un renversement de tracteur ou d'un enfouissement dans une silo à grains ? Ce sont des ingrédients « explosifs » intrinsèquement plus dangereux qu'un simple glissade.
3. Le Temps de Sauvetage (Accès aux Services d'Urgence) : Combien de temps faut-il pour atteindre un hôpital ? Si un agriculteur est blessé dans un champ isolé sans réseau cellulaire et avec une longue route à parcourir jusqu'à l'hôpital, le score de risque augmente.
4. Le Facteur « Travailleur Solitaire » : De nombreux agriculteurs travaillent seuls. S'ils sont blessés et ne peuvent pas appeler à l'aide à cause d'une « zone morte de téléphone portable », le risque est plus élevé.

Les Deux Méthodes : Le Couteau Aigu vs L'Éponge Douce

Les chercheurs ont utilisé deux outils mathématiques différents pour mélanger ces ingrédients, obtenant des images légèrement différentes :

• Méthode A (AHP) : Imaginez cela comme un couteau aigu. Il tranche à travers les données et met en évidence les endroits absolument les plus mauvais de manière très claire. Il dit : « Regardez juste ici ! C'est l'endroit le plus dangereux ! » Il se concentre fortement sur la gravité de l'issue.
• Méthode B (AHP Floue Géométrique) : Imaginez cela comme une éponge douce. Elle absorbe certains des angles vifs et des incertitudes. Elle reconnaît que nous ne savons pas tout parfaitement (comme exactement à quel point un accident spécifique était grave ou à quelle vitesse l'aide arriverait). Cette méthode crée une carte plus lisse, montrant des zones de risque plus larges plutôt que de simplement pointer les endroits absolument les plus mauvais.

Ce Qu'ils Ont Trouvé : La Carte du Danger

Lorsqu'ils ont appliqué cette recette à sept États du Midwest (Iowa, Minnesota, Kansas, etc.) en utilisant des données de 2012 à 2023, ils ont découvert des choses surprenantes :

• L'Occupé n'est pas toujours Mortel : Les zones agricoles les plus actives (comme le nord-ouest de l'Iowa) ont connu le plus grand nombre d'accidents au total. Cela a du sens car il y a plus d'agriculteurs et de machines là-bas.
• Le Mortel n'est pas toujours Occupé : Cependant, les zones avec le plus de décès étaient réparties différemment. Bien que le nord-ouest de l'Iowa soit toujours un point chaud, les « zones de danger » s'étendaient plus loin vers le centre de l'Iowa et le sud du Minnesota.
• Les Tueurs « Silencieux » : Les accidents les plus dangereux n'étaient pas les plus courants (comme glisser sur une route). Ils étaient rares et à haute énergie : des tracteurs qui se renversent, des personnes coincées dans des silos à grains ou des renversements de quad. Ces types spécifiques d'accidents étaient beaucoup plus susceptibles de entraîner la mort.
• Qui est à Risque ? : Les données ont montré que les agriculteurs hommes âgés sont le groupe le plus vulnérable. À mesure que les agriculteurs vieillissent, la probabilité qu'un accident soit fatal augmente.

La Grande Image

La principale conclusion est que vous ne pouvez pas simplement regarder une carte de « là où les accidents se sont produits » pour savoir où placer les ressources de sécurité. Vous devez regarder une carte de « là où les accidents sont les plus susceptibles de tuer ».

En combinant l'emplacement de l'accident avec la difficulté d'obtenir de l'aide (hôpitaux et tours cellulaires), les chercheurs ont créé une nouvelle façon de voir le paysage. Ils ont découvert que les « zones de danger » ne sont pas seulement là où l'agriculture est la plus active, mais là où l'agriculture est la plus active plus là où les machines sont les plus dangereuses plus là où l'aide est la plus éloignée.

Cette étude n'offre pas une nouvelle machine ni une nouvelle loi. Au contraire, elle offre une meilleure lampe de poche. Elle aide les responsables de la sécurité et les planificateurs des urgences à voir la véritable forme du risque, afin qu'ils puissent concentrer leurs efforts sur les endroits où la vie d'un agriculteur est le plus en jeu, plutôt que simplement sur les endroits où ils sont les plus occupés.

Résumé technique

Résumé technique : Indexation géospatiale de l'impact des incidents agricoles dans le Midwest américain

Énoncé du problème
Les évaluations traditionnelles de la sécurité agricole reposent fréquemment sur des comptes bruts d'incidents, qui mettent l'accent sur la fréquence d'exposition mais échouent à capturer la nature multidimensionnelle du risque, en particulier la gravité des conséquences et la survie post-incident. Dans le Midwest américain, une région de production agricole intensive, les incidents surviennent souvent dans des endroits isolés où les « travailleurs isolés » font face à des obstacles significatifs à leur découverte et à leur assistance immédiates. Les méthodes de surveillance existantes souffrent souvent de fragmentation, de sous-déclaration et d'un manque de résolution géospatiale qui empêche de relier les lieux d'incidents à des facteurs critiques de survie tels que l'accessibilité des services médicaux d'urgence (SMU) et les infrastructures de communication cellulaire. Par conséquent, les interventions de sécurité peuvent être mal alignées avec les zones de risque réel le plus élevé, définies non seulement par la fréquence des incidents, mais par la convergence de mécanismes dangereux, d'isolement environnemental et de contraintes temporelles.

Méthodologie
Cette étude construit une base de données géospatiale unifiée couvrant sept États du Midwest (Iowa, Kansas, Minnesota, Missouri, Nebraska, Dakota du Nord et Dakota du Sud) à l'aide de registres d'incidents agricoles de 2012 à 2023 provenant du Central States Center for Agricultural Safety and Health (CS-CASH). La méthodologie intègre des données d'incidents longitudinales avec des couches environnementales et infrastructurelles, notamment la couche de données sur les terres cultivées (CDL) du NASS de l'USDA pour l'utilisation des sols, les données HIFLD pour les emplacements des SMU et des hôpitaux, et les données de la FCC pour la proximité des antennes cellulaires.

L'innovation méthodologique centrale est le développement d'un Indice d'impact multi-critères des incidents utilisant deux cadres de pondération :

1. Processus hiérarchique analytique (AHP) : Une technique de prise de décision structurée qui décompose le problème en une hiérarchie de huit critères : Décès (FAT), Type d'incident (TYPE), Pertinence temporelle (REC), Personnes impliquées (PEOP), Âge (AGE), Proximité SMU/Hôpital (EM), Proximité des antennes (TOW) et Ratio de mortalité par type d'exploitation (FARM). Des comparaisons par paires ont été utilisées pour dériver des poids précis, priorisant le préjudice direct et le danger intrinsèque.
2. AHP flou géométrique (Geometric-FAHP) : Une extension de l'AHP utilisant la méthode de la moyenne géométrique floue de Buckley avec des nombres flous triangulaires (TFN). Cette approche capture l'incertitude et le flou inhérents aux jugements humains concernant le risque, convertissant les variables linguistiques en ensembles flous pour produire des distributions de poids plus lisses et moins volatiles.

Les deux cadres normalisent les huit paramètres sur une échelle [0, 1] et les agrègent en un score d'impact composite. Ces scores sont ensuite appliqués pour générer des surfaces d'estimation de densité de noyau (KDE) utilisant un noyau quartique (bi-poids) afin de visualiser le regroupement spatial des incidents à fort impact, distinguant les modèles pilotés par la fréquence des risques pilotés par la gravité.

Contributions clés

• Base de données multi-états unifiée : L'étude crée un profil de sécurité complet pour la région du Midwest couvrant sept États, surmontant les limites des rapports fragmentés et limités à un seul État en harmonisant 12 années de données de surveillance.
• Intégration géospatiale granulaire : Elle superpose explicitement les lieux d'incidents aux infrastructures de survie (temps de trajet des SMU et distances aux antennes cellulaires), quantifiant la vulnérabilité spécifiquement pour les travailleurs isolés dans des environnements agricoles isolés.
• Indexation d'impact novatrice : La recherche introduit un mécanisme quantitatif pour évaluer les incidents agricoles au-delà des simples comptes de décès. En appliquant à la fois l'AHP et le Geometric-FAHP, l'étude offre une double perspective : l'AHP met en évidence des points chauds nets et pilotés par la gravité, tandis que le Geometric-FAHP révèle des modèles de vulnérabilité plus larges et progressifs en modérant les valeurs extrêmes grâce à la modélisation de l'incertitude.

Résultats

• Modèles spatiaux divergents : L'analyse révèle que si la fréquence globale des incidents est fortement concentrée dans le nord-ouest de l'Iowa (reflétant une activité intensive de cultures en rangs), les issues fatales présentent une empreinte spatiale plus large s'étendant vers l'Iowa central/nord et le Minnesota central/sud. Se fier uniquement aux comptes de fréquence sous-représenterait considérablement les zones locales à conséquences élevées.
• Gravité spécifique au mécanisme : Les incidents mortels sont disproportionnément associés à des mécanismes à haute énergie tels que les tracteurs, les silos à grains et les chargeurs sur pneus (taux de mortalité allant de 58 % à 76,9 %), tandis que les incidents routiers et d'engrènement sont plus fréquents mais plus survivables.
• Vulnérabilité démographique : Le risque est fortement concentré parmi les travailleurs masculins (85 % des décès) et augmente avec l'âge, le groupe d'âge de 60 à 70 ans supportant le fardeau fatal le plus élevé.
• Comparaison de pondération : Le cadre AHP a produit des scores d'impact moyens plus élevés et une dispersion spatiale plus grande, accentuant les points chauds localisés où dominent les incidents catastrophiques. En revanche, le Geometric-FAHP a donné des scores moyens systématiquement plus bas et une dispersion réduite, produisant des gradients spatiaux plus lisses qui capturent mieux les structures de vulnérabilité régionales sans surestimer les valeurs aberrantes extrêmes.
• Lacunes infrastructurelles : L'analyse spatiale met en évidence que les issues fatales ne sont pas strictement proportionnelles à la fréquence des incidents, mais sont fortement influencées par la présence de mécanismes à haute gravité et les déficits structurels des infrastructures rurales (par exemple, des temps de réponse SMU prolongés et des déserts de communication).

Signification et revendications
L'article affirme que ses résultats démontrent que la cartographie basée uniquement sur la fréquence échoue à capturer la nature multidimensionnelle du risque agricole. En reliant explicitement les lieux d'incidents aux infrastructures de survie et en utilisant l'analyse multicritère de décision, l'étude fournit un cadre fondé sur des preuves pour :

1. Cibler les interventions de sécurité : Aller au-delà des métriques d'exposition générales pour concentrer les ressources sur les zones où une activité à haute fréquence coïncide avec des mécanismes à haute gravité et des conditions de survie médiocres.
2. Améliorer la planification des SMU ruraux : Identifier des lacunes géographiques spécifiques dans les infrastructures de réponse d'urgence et de communication qui compromettent la « heure d'or » pour les victimes de traumatismes.
3. S'attaquer à la fracture numérique : Souligner le rôle critique de la connectivité cellulaire dans la sécurité rurale et le potentiel des déserts de communication à transformer des blessures survivables en décès.

Les auteurs positionnent cette recherche comme une étape novatrice dans la recherche sur la sécurité agricole, offrant un mécanisme quantitatif robuste pour distinguer les modèles d'activité pilotés par l'exposition des concentrations de risque pilotées par la gravité, soutenant ainsi des décisions politiques et de planification plus efficaces dans le Midwest américain.