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

본 연구는 분석적 위계과정과 기하학적 퍼지 AHP 가중치를 활용한 다기준 지리공간 프레임워크를 제시하여 미국 중서부 농업 사고 빈도는 북서부 아이오와에 집중되어 있지만 심각도 가중 위험은 더 광범위하게 확장됨을 규명함으로써 전통적인 빈도만 고려한 평가보다 안전 개입 및 응급 의료 계획의 표적 설정을 위한 더 우수한 증거 기반 접근법을 제공함을 보여준다.

핵심

미국 중서부를 매년 수백만 개의 식사가 준비되는 거대하고 분주한 주방으로 상상해 보십시오. 하지만 채소를 썰기만 하는 대신, '셰프들'(농부들) 은 거대하고 강력한 기계를 조작하고, 무거운 가축을 다루며, 주방의 외진 구석에서 일합니다. 때로는 문제가 발생하기도 합니다.

이 논문은 바로 그 주방을 위한 새로운 유형의 안전 성적표와 같습니다. 저자들인 에게 두란, 오메르 메르메르, 이브라힘 데미르는 기존의 점수 매기는 방식이 결함이 있다고 주장합니다. 여기 그들의 발견과 방법론에 대한 간단한 해설이 있습니다:

문제: 세기 대 이해하기

기존 방식: 질문을 답하기 위해 손을 든 학생의 횟수만 세는 교사를 상상해 보십시오. 그들은 "와, 이 학생은 매우 활동적이야!"라고 말할 수 있습니다. 하지만 그것이 학생이 올바르게 답하고 있는지, 위험하게 답하고 있는지, 아니면 곤경에 처해 있는지 알려주지는 않습니다.
논문의 관점: 연구자들은 단순히 농장 사고 발생 횟수(빈도) 를 세는 것은 손 들어 올림 횟수를 세는 것과 같다고 말합니다. 그것은 농부들이 어디에서 바쁜지 알려주지만, 실제 위험이 어디에 있는지 알려주지는 않습니다. 바쁜 농장은 많은 작은 생존 가능한 부딪힘을 겪을 수 있는 반면, 조용한 농장은 몇 가지 치명적인 사건을 겪을 수 있습니다.

해결책: '위험 점수' 레시피

이를 해결하기 위해 팀은 새로운 '영향 지수'를 만들었습니다. 이를 위험 점수를 위한 복잡한 레시피로 생각하십시오. 사고 횟수만 세는 대신, 특정 장소가 얼마나 '위험한지' 파악하기 위해 여러 재료를 섞었습니다:

1. 결과 (사망): 누군가 사망했습니까? 이것이 가장 무거운 재료입니다.
2. 메커니즘 (사고 유형): 트랙터 전복이었습니까, 아니면 곡물 실에 갇히는 사고였습니까? 이러한 것들은 단순한 미끄러짐이나 추락보다 본질적으로 더 위험한 '폭발성' 재료와 같습니다.
3. 구조 시간 (응급의료 서비스 접근성): 병원까지 가는 데 얼마나 걸립니까? 농부가 휴대전화가不通인 외진 밭에서 다치고 병원까지 가는 데 시간이 오래 걸린다면, 위험 점수는 올라갑니다.
4. '혼자 일하는 노동자' 요인: 많은 농부들이 혼자 일합니다. 만약 그들이 '휴대전화 신호가 끊기는 지역' 때문에 다쳐 도움을 요청할 수 없다면, 위험은 더 높아집니다.

두 가지 방법: 날카로운 칼 대 부드러운 스펀지

연구자들은 이러한 재료를 섞기 위해 두 가지 다른 수학적 도구를 사용했으며, 약간 다른 그림을 얻었습니다:

• 방법 A (AHP): 이를 날카로운 칼로 생각하십시오. 데이터를 잘라내어 절대적으로 가장 나쁜 지점을 매우 명확하게 강조합니다. "바로 이쪽을 보십시오! 이것이 가장 위험한 곳입니다!"라고 말합니다. 이는 결과의 심각성에 크게 초점을 맞춥니다.
• 방법 B (기하학적 퍼지 AHP): 이를 부드러운 스펀지로 생각하십시오. 날카로운 모서리와 불확실성을 일부 흡수합니다. 우리는 모든 것을 완벽하게 알지 못한다는 점 (예: 특정 사고가 정확히 얼마나 나빴는지, 또는 도움이 얼마나 빨리 도착할지) 을 인정합니다. 이 방법은 절대적으로 가장 나쁜 지점만 pinpoint 하는 것이 아니라 더 넓은 위험 지역을 보여주는 더 매끄러운 지도를 생성합니다.

그들이 발견한 것: 위험의 지도

2012 년부터 2023 년까지의 데이터를 사용하여 일곱 개 중서부 주 (아이오와, 미네소타, 캔자스 등) 에 이 레시피를 적용했을 때, 그들은 몇 가지 놀라운 사실을 발견했습니다:

• 바쁜 것이 항상 치명적인 것은 아님: 가장 바쁜 농경 지역 (아이오와 북서부 등) 은 전체적으로 가장 많은 사고가 발생했습니다. 농부와 기계가 더 많기 때문에 이는 당연한 일입니다.
• 치명적인 것이 항상 바쁜 것은 아님: 그러나 가장 많은 사망자가 발생한 지역은 다르게 분포되어 있었습니다. 아이오와 북서부가 여전히 핫스팟이었지만, '위험 지역'은 아이오와 중부와 미네소타 남부로 더 멀리 뻗어 있었습니다.
• '침묵하는' 살인자들: 가장 위험한 사고는 흔한 것들 (도로에서 미끄러지는 것 등) 이 아니었습니다. 그들은 드물고 고에너지 사고들이었습니다: 트랙터 전복, 곡물 실에 갇히는 사고, 또는 ATV 전복입니다. 이러한 특정 유형의 사고는 사망으로 이어질 가능성이 훨씬 더 높았습니다.
• 누가 위험에 처해 있는가? 데이터는 나이가 많은 남성 농부들이 가장 취약한 집단임을 보여주었습니다. 농부들이 나이가 들수록 사고가 치명적일 확률은 증가합니다.

큰 그림

주요 교훈은 안전 자원을 어디에 배치할지 알기 위해 단순히 "사고가 발생한 곳"의 지도만 보면 안 된다는 것입니다. 대신 "사고가 사망으로 이어질 가능성이 가장 높은 곳"의 지도를 봐야 합니다.

사고 발생 위치와 도움을 얻는 것의 어려움 (병원과 휴대전화 기지국) 을 결합함으로써, 연구자들은 풍경을 보는 새로운 방식을 만들었습니다. 그들은 '위험 지역'이 단순히 농사가 가장 바쁜 곳이 아니라, 농사가 가장 바쁜 곳 plus 기계가 가장 위험한 곳 plus 도움이 가장 먼 곳임을 발견했습니다.

이 연구는 새로운 기계나 새로운 법을 제시하지 않습니다. 대신 더 나은 손전등을 제공합니다. 이는 안전 관리자와 비상 계획 입안자들이 위험의 진정한 형태를 보도록 도와주어, 그들이 농부들이 가장 바쁜 곳이 아니라 농부의 생명이 가장 걸려 있는 곳에 노력을 집중할 수 있게 합니다.

기술 요약

기술 요약: 미국 중서부 농업 사고의 지리적 공간 영향 인덱싱

문제 제기
전통적인 농업 안전 평가는 종종 노출 빈도를 강조하지만 사고 결과의 심각성과 사고 후 생존 가능성과 같은 위험의 다차원적 특성을 포착하지 못하는 단순 사고 건수에 의존합니다. 집중적인 농업 생산이 이루어지는 미국 중서부 지역에서는 사고가 종종 외딴 곳에서 발생하며, '혼자 일하는 근로자'들은 즉각적인 발견과 지원에 상당한 장벽에 직면합니다. 기존 감시 방법은 종종 단편화, 미보고, 그리고 사고 발생 위치를 응급 의료 서비스 (EMS) 접근성 및 이동 통신 기지국 인프라와 같은 생존 핵심 요소와 연결하지 못하는 지리적 공간 해상도 부족으로 고통받습니다. 결과적으로 안전 개입은 사고 발생 빈도뿐만 아니라 위험 메커니즘, 환경적 고립, 시간적 제약의 수렴으로 정의되는 실제 위험이 가장 높은 지역과 불일치할 수 있습니다.

방법론
본 연구는 중앙주 농업안전보건센터 (CS-CASH) 에서 제공한 2012 년부터 2023 년까지의 농업 사고 기록을 활용하여 아이오와, 캔자스, 미네소타, 미주리, 네브래스카, 노스다코타, 사우스다코타 등 7 개 중서부 주를 아우르는 통합 다주 지리적 공간 데이터베이스를 구축합니다. 방법론은 토지 이용을 위한 USDA NASS 경작지 데이터 레이어 (CDL), EMS 및 병원 위치를 위한 HIFLD 데이터, 그리고 이동 통신 기지국 근접성을 위한 FCC 데이터를 포함한 환경 및 인프라 레이어와 종단적 사고 데이터를 통합합니다.

핵심 방법론적 혁신은 두 가지 가중치 프레임워크를 사용하여 개발된 다기준 사고 영향 인덱스입니다:

1. 계층 분석 과정 (AHP): 문제를 사망 (FAT), 사고 유형 (TYPE), 시간적 관련성 (REC), 관련 인원 (PEOP), 연령 (AGE), EMS/병원 근접성 (EM), 기지국 근접성 (TOW), 농장 유형별 사망률 (FARM) 의 8 가지 기준 계층으로 분해하는 구조화된 의사결정 기법입니다. 쌍대 비교를 통해 명확한 가중치를 도출하여 직접적인 피해와 고유한 위험을 우선시했습니다.
2. 기하학적 퍼지 AHP (Geometric-FAHP): 삼각형 퍼지 수 (TFNs) 를 사용한 Buckley 의 퍼지 기하 평균법을 활용한 AHP 의 확장입니다. 이 접근법은 위험에 대한 인간의 판단에 내재된 불확실성과 모호성을 포착하여 언어적 변수를 퍼지 집합으로 변환함으로써 더 부드럽고 덜 변동적인 가중치 분포를 생성합니다.

두 프레임워크 모두 8 가지 매개변수를 [0, 1] 척도로 정규화하고 이를 종합 영향 점수로 집계합니다. 그런 다음 이러한 점수를 4 차 (이중 가중) 커널을 사용하여 커널 밀도 추정 (KDE) 표면을 생성하는 데 적용하여 고영향 사고의 공간적 군집을 시각화하고, 빈도 주도 패턴과 심각도 주도 위험을 구분합니다.

주요 기여

• 통합 다주 데이터베이스: 본 연구는 12 년간의 감시 데이터를 조화시켜 7 개 주 중서부 지역의 포괄적인 안전 프로파일을 작성함으로써 단편화된 단일 주 보고의 한계를 극복했습니다.
• 세분화된 지리적 공간 통합: 사고 발생 위치를 생존 인프라 (EMS 이동 시간 및 이동 통신 기지국 거리) 와 명시적으로 중첩시켜 외딴 농업 환경에서 혼자 일하는 근로자의 취약성을 구체적으로 정량화했습니다.
• 새로운 영향 인덱싱: 본 연구는 단순 사망 건수를 넘어 농업 사고를 평가하는 정량적 메커니즘을 도입합니다. AHP 와 Geometric-FAHP 를 모두 적용함으로써 AHP 는 심각한 사고가 지배적인 국소적 핫스팟을 강조하는 반면, Geometric-FAHP 는 불확실성 모델링을 통해 극단적 값을 완화하여 더 넓은 점진적 취약성 패턴을 드러내는 이중 관점을 제공합니다.

결과

• 이질적인 공간 패턴: 분석에 따르면 전체 사고 빈도는 북서부 아이오와 (집약적인 줄기 작물 활동을 반영) 에 집중되어 있는 반면, 치명적인 결과는 중부/북부 아이오와와 중부/남부 미네소타로 확장되는 더 넓은 공간적 범위를 보입니다. 빈도 수만으로는 국소적 고결과 지역을 크게 과소평가하게 됩니다.
• 메커니즘별 심각도: 치명적 사고는 트랙터, 곡물 저장고, 스키드 로더와 같은 고에너지 메커니즘과 불균형적으로 연관되어 있으며 (사망률 58%~76.9%), 도로 사고와 감금 사고는 더 빈번하지만 생존 가능성이 더 높습니다.
• 인구통계학적 취약성: 위험은 남성 근로자 (사망자의 85%) 에 집중되어 있으며 연령이 증가함에 따라 커지며, 60~70 세 연령대가 가장 높은 치명적 부담을 겪습니다.
• 가중치 비교: AHP 프레임워크는 더 높은 평균 영향 점수와 더 큰 공간적 분산을 생성하여 재앙적 사고가 지배적인 국소적 핫스팟을 강조했습니다. 반면, Geometric-FAHP 는 일관되게 더 낮은 평균 점수와 감소된 분산을 산출하여 극단적 이상치를 과도하게 강조하지 않으면서 지역적 취약성 구조를 더 잘 포착하는 부드러운 공간적 기울기를 생성했습니다.
• 인프라 격차: 공간 분석은 치명적 결과가 사고 빈도에 엄격하게 비례하지 않으며 고심각도 메커니즘의 존재와 농촌 인프라의 구조적 결함 (예: 연장된 EMS 대응 시간 및 통신 사막) 에 크게 영향을 받음을 강조합니다.

의의 및 주장
본 논문은 빈도 기반 매핑만으로는 농업 위험의 다차원적 특성을 포착하지 못한다는 사실을 발견이 입증했다고 주장합니다. 사고 위치를 생존 인프라와 명시적으로 연결하고 다기준 의사결정 분석을 활용함으로써 본 연구는 다음과 같은 증거 기반 프레임워크를 제공합니다:

1. 안전 개입 표적화: 일반 노출 지표를 넘어 고빈도 활동이 고심각도 메커니즘 및 낮은 생존 조건과 일치하는 지역에 자원을 집중합니다.
2. 농촌 EMS 계획 개선: 외상 환자의 '황금 시간'을 위협하는 응급 대응 및 통신 인프라의 특정 지리적 격차를 식별합니다.
3. 디지털 격차 해소: 농촌 안전에서 이동 통신 연결의 결정적 역할과 통신 사막이 생존 가능한 부상을 사망으로 전환시킬 수 있는 잠재력을 강조합니다.

저자들은 이 연구를 농업 안전 연구의 새로운 단계로 위치시켜, 노출 주도 활동 패턴과 심각도 주도 위험 집중을 구분할 수 있는 견고한 정량적 메커니즘을 제공함으로써 미국 중서부에서 더 효과적인 정책 및 계획 결정을 지원한다고 주장합니다.