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

Deze studie introduceert een multicriteria geospatiale raamwerk dat gebruikmaakt van de Analytic Hierarchy Process en Geometrische Fuzzy AHP-gewichtsbepaling om aan te tonen dat, hoewel de frequentie van landbouwincidenten in het Amerikaanse Midwesten geconcentreerd is in het noordwesten van Iowa, het op ernst gewogen risico breder strekt, waardoor een superieure op bewijs gebaseerde aanpak wordt geboden voor het richten van veiligheidsinterventies en planning van spoedeisende medische zorg in vergelijking met traditionele beoordelingen die uitsluitend op frequentie zijn gebaseerd.

De kern

Stel je de Amerikaanse Midwest voor als een enorme, bruisende keuken waar elk jaar miljoenen maaltijden worden bereid. Maar in plaats van alleen maar groenten te snijden, bedienen de "koks" (boeren) enorme, krachtige machines, hanteren ze zware vee en werken ze in afgelegen hoeken van de keuken. Soms gaat er iets mis.

Dit artikel is als een nieuw soort veiligheidsrapport voor die keuken. De auteurs, Ege Duran, Omer Mermer en Ibrahim Demir, betogen dat de oude manier van scoren gebrekkig was. Hier is de eenvoudige uiteenzetting van hun bevindingen en methoden:

Het Probleem: Tellen versus Begrijpen

De Oude Manier: Stel je een leraar voor die alleen telt hoe vaak een student zijn hand opsteekt om een vraag te beantwoorden. Ze zouden kunnen zeggen: "Wow, deze student is erg actief!" Maar dat vertelt je niet of de student correct, gevaarlijk of in de problemen antwoordt.
Het Standpunt van het Artikel: De onderzoekers zeggen dat het simpelweg tellen van het aantal landbouwongevallen (frequentie) vergelijkbaar is met het tellen van handopsteken. Het vertelt je waar de boeren druk bezig zijn, maar het vertelt je niet waar het echte gevaar schuilt. Een drukke boerderij kan veel kleine, overleefbare botsingen hebben, terwijl een rustigere boerderij misschien een paar catastrofale gebeurtenissen kent.

De Oplossing: Een "Risicoscore"-Recept

Om dit op te lossen, heeft het team een nieuwe "Impact Index" ontwikkeld. Denk hierbij aan een complex recept voor een risicoscore. In plaats van alleen ongevallen te tellen, hebben ze verschillende ingrediënten gemengd om te zien hoe "gevaarlijk" een specifieke locatie echt is:

1. Het Gevolg (Dodelijk): Is iemand overleden? Dit is het zwaarste ingrediënt.
2. Het Mechanisme (Type Ongeval): Was het een tractoromslag of een vastlopen in een graanzil? Dit zijn als "explosieve" ingrediënten die van nature gevaarlijker zijn dan een simpele uitglijder.
3. De Reddingstijd (Toegang tot EHBO): Hoe lang duurt het om naar een ziekenhuis te komen? Als een boer gewond raakt op een afgelegen veld zonder mobiele dekking en met een lange rit naar het ziekenhuis, gaat de risicoscore omhoog.
4. De "Alleenwerkende" Factor: Veel boeren werken alleen. Als ze gewond raken en niet om hulp kunnen bellen vanwege een "dode zone" voor mobiele telefoons, is het risico groter.

De Twee Methoden: Het Scherpe Mes versus het Zachte Sponsje

De onderzoekers gebruikten twee verschillende wiskundige hulpmiddelen om deze ingrediënten te mengen, en ze kregen lichtelijk verschillende beelden:

• Methode A (AHP): Denk hierbij aan een scherp mes. Het snijdt door de data heen en benadrukt de absoluut ergste plekken heel duidelijk. Het zegt: "Kijk hier! Dit is de gevaarlijkste plek!" Het richt zich sterk op de ernst van het gevolg.
• Methode B (Geometrisch-Fuzzy AHP): Denk hierbij aan een zacht sponsje. Het absorbeert sommige scherpe randen en onzekerheid. Het erkent dat we niet alles perfect weten (zoals precies hoe erg een specifiek ongeval was of hoe snel hulp zou arriveren). Deze methode creëert een soepeler kaart, die bredere risicogebieden toont in plaats van alleen de absoluut ergste plekken aan te wijzen.

Wat Ze Vonden: De Kaart van het Gevaar

Toen ze dit recept toepasten op zeven staten in de Midwest (Iowa, Minnesota, Kansas, enz.) met data van 2012 tot 2023, vonden ze enkele verrassende dingen:

• Druk is niet altijd Dodelijk: De drukste landbouwgebieden (zoals Noordwest-Iowa) hadden het meeste ongevallen in totaal. Dit is logisch omdat er daar meer boeren en machines zijn.
• Dodelijk is niet altijd Druk: Echter, de gebieden met de meeste dodelijke slachtoffers waren anders verspreid. Hoewel Noordwest-Iowa nog steeds een hot spot was, strekten de "gevaarszones" zich verder uit naar centraal Iowa en zuidelijk Minnesota.
• De "Stille" Doders: De gevaarlijkste ongevallen waren niet de gebruikelijke (zoals uitglijden op een weg). Het waren de zeldzame, hoog-energetische ongevallen: tractoromslagen, mensen die vast komen te zitten in graanzil, of ATV-omslagen. Deze specifieke soorten ongevallen hadden veel meer kans om dodelijk te zijn.
• Wie loopt Risico? De data toonde aan dat oudere mannelijke boeren de meest kwetsbare groep zijn. Naarmate boeren ouder worden, neemt de kans toe dat een ongeval dodelijk zal zijn.

Het Grote Plaatje

De belangrijkste les is dat je niet zomaar naar een kaart kunt kijken van "waar ongevallen zijn gebeurd" om te weten waar je veiligheidsmiddelen moet inzetten. Je moet kijken naar een kaart van "waar ongevallen het meest waarschijnlijk dodelijk zullen zijn".

Door de locatie van het ongeval te combineren met hoe moeilijk het is om hulp te krijgen (ziekenhuizen en zendmasten), hebben de onderzoekers een nieuwe manier ontwikkeld om het landschap te zien. Ze ontdekten dat de "gevaarszones" niet alleen liggen waar de landbouw het drukst is, maar waar de landbouw het drukst is plus waar de machines het gevaarlijkst zijn plus waar hulp het verst weg is.

Deze studie biedt geen nieuwe machine of een nieuwe wet. In plaats daarvan biedt het een betere schijnwerper. Het helpt veiligheidsfunctionarissen en crisisplanners de ware vorm van het risico te zien, zodat ze hun inspanningen kunnen richten op de plaatsen waar het leven van een boer het meest op het spel staat, in plaats van alleen op de plaatsen waar ze het drukst zijn.

Technische samenvatting

Technische Samenvatting: Geospatiale Impactindexering van Agrarische Incidenten in de Amerikaanse Midwest

Probleemstelling
Traditionele veiligheidsbeoordelingen in de landbouw vertrouwen vaak op ruwe aantallen incidenten, wat de blootstellingsfrequentie benadrukt maar het multidimensionale karakter van risico's niet vastlegt, met name de ernst van de uitkomst en de overlevingskansen na een incident. In de Amerikaanse Midwest, een regio met intensieve landbouwproductie, vinden incidenten vaak plaats op afgelegen locaties waar "solowerkers" aanzienlijke barrières ondervinden voor onmiddellijke ontdekking en hulp. Bestaande surveillancemethoden lijden vaak aan fragmentatie, onderschatting en een gebrek aan geospatiale resolutie, waardoor het niet lukt om incidentlocaties te koppelen aan cruciale overlevingsfactoren zoals de toegankelijkheid van de ambulancezorg (EMS) en de mobiele communicatie-infrastructuur. Bijgevolg kunnen veiligheidsinterventies misaligneren met gebieden van het hoogste werkelijke risico, die niet alleen worden gedefinieerd door hoe vaak incidenten voorkomen, maar door de convergentie van gevaarlijke mechanismen, milieu-isolatie en tijdsgebonden beperkingen.

Methodologie
Deze studie bouwt een geünificeerde, meerstatelijke geospatiale database op die zeven staten in de Midwest bestrijkt (Iowa, Kansas, Minnesota, Missouri, Nebraska, North Dakota en South Dakota) met behulp van agrarische incidentregistraties van 2012 tot 2023, afkomstig van het Central States Center for Agricultural Safety and Health (CS-CASH). De methodologie integreert longitudinale incidentgegevens met omgevings- en infrastructuurlagen, waaronder de USDA NASS Cropland Data Layer (CDL) voor landgebruik, HIFLD-gegevens voor locaties van ambulancezorg en ziekenhuizen, en FCC-gegevens voor de nabijheid van mobiele zendmasten.

De kernmethodologische innovatie is de ontwikkeling van een Multi-Criteria Incident Impact Index met behulp van twee wegingskaders:

1. Analytic Hierarchy Process (AHP): Een gestructureerde besluitvormingstechniek die het probleem decomposeert in een hiërarchie van acht criteria: Dood (FAT), Incidenttype (TYPE), Temporele Relevantie (REC), Betrokken Personen (PEOP), Leeftijd (AGE), Nabijheid Ambulancezorg/Ziekenhuis (EM), Nabijheid Zendmast (TOW) en Verhouding Dood per Boerderijtype (FARM). Paarsgewijze vergelijkingen werden gebruikt om scherpe gewichten af te leiden, met prioriteit voor directe schade en intrinsiek gevaar.
2. Geometric Fuzzy AHP (Geometric-FAHP): Een uitbreiding van AHP die de methode van het fuzzy geometrische gemiddelde van Buckley toepast met Driehoekige Fuzzy Getallen (TFN). Deze benadering vangt de onzekerheid en vaagheid op die inherent zijn aan menselijke oordelen over risico, en zet linguïstische variabelen om in fuzzy sets om soepelere, minder volatiele gewichtsverdelingen te produceren.

Beide kaders normaliseren de acht parameters naar een schaal van [0, 1] en aggregeren ze tot een samengestelde impactscore. Deze scores worden vervolgens toegepast om Kernel Density Estimation (KDE)-oppervlakken te genereren met behulp van een quartic (biweight) kernel om ruimtelijke clustering van incidenten met hoge impact te visualiseren, waarbij wordt onderscheid gemaakt tussen frequentiegedreven patronen en ernstgedreven risico's.

Belangrijkste Bijdragen

• Geünificeerde Meerstatelijke Database: De studie creëert een uitgebreid veiligheidsprofiel voor de zevenstatenregio in de Midwest, door de beperkingen van gefragmenteerde, enkelstatelijke rapportage te overwinnen via het harmoniseren van 12 jaar surveillancegegevens.
• Gedetailleerde Geospatiale Integratie: Het legt incidentlocaties expliciet overlevingsinfrastructuur op (reistijden ambulancezorg en afstanden tot zendmasten), waarbij kwantificering van kwetsbaarheid specifiek plaatsvindt voor solowerkers in afgelegen agrarische omgevingen.
• Nieuwe Impactindexering: Het onderzoek introduceert een kwantitatief mechanisme om agrarische incidenten te beoordelen die verder gaan dan eenvoudige dodentallen. Door zowel AHP als Geometric-FAHP toe te passen, biedt de studie een dubbel perspectief: AHP benadrukt scherpe, ernstgedreven hotspots, terwijl Geometric-FAHP bredere, geleidelijke kwetsbaarheidspatronen onthult door extreme waarden te matigen via onzekerheidsmodellering.

Resultaten

• Verschillende Ruimtelijke Patronen: De analyse toont aan dat terwijl de algehele incidentfrequentie zwaar geconcentreerd is in het noordwesten van Iowa (een weerspiegeling van intensieve rijstakactiviteit), dodelijke uitkomsten een bredere ruimtelijke voetafdruk vertonen die zich uitstrekt tot centraal/noordelijk Iowa en centraal-zuidelijk Minnesota. Uitsluitend vertrouwen op frequentietellingen zou lokale gebieden met hoge consequenties aanzienlijk onderschatten.
• Mechanisme-specifieke Ernst: Dodelijke incidenten zijn disproportioneel geassocieerd met hoog-energetische mechanismen zoals tractoren, graanschuren en skidloaders (dodelijkheidspercentages variërend van 58% tot 76,9%), terwijl wegincidenten en verwikkelingen vaker voorkomen maar beter overleefbaar zijn.
• Demografische Kwetsbaarheid: Het risico is zwaar geconcentreerd onder mannelijke werknemers (85% van de doden) en neemt toe met de leeftijd, waarbij de leeftijdsgroep 60–70 jaar de zwaarste dodelijke last draagt.
• Vergelijking van Weging: Het AHP-kader produceerde hogere gemiddelde impactscores en een grotere ruimtelijke spreiding, waardoor gelokaliseerde hotspots worden benadrukt waar catastrofale incidenten domineren. Daarentegen leverde Geometric-FAHP consequent lagere gemiddelde scores en verminderde spreiding op, wat soepelere ruimtelijke gradiënten oplevert die regionale kwetsbaarheidsstructuren beter vastleggen zonder extreme uitschieters te overdrijven.
• Infrastructuurkloven: De ruimtelijke analyse benadrukt dat dodelijke uitkomsten niet strikt evenredig zijn met de incidentfrequentie, maar sterk worden beïnvloed door de aanwezigheid van mechanismen met hoge ernst en structurele tekortkomingen in de plattelandinfrastructuur (bijvoorbeeld verlengde responstijden van de ambulancezorg en communicatie-woestijnen).

Betekenis en Beweringen
Het artikel beweert dat de bevindingen aantonen dat frequentiegebaseerde mapping alleen niet toereikend is om het multidimensionale karakter van agrarisch risico vast te leggen. Door incidentlocaties expliciet te koppelen aan overlevingsinfrastructuur en multi-criteria besluitvorming toe te passen, biedt de studie een evidence-based kader voor:

1. Gerichte Veiligheidsinterventies: Het overstijgen van algemene blootstellingsmetrieken om middelen te richten op gebieden waar frequente activiteit samenvalt met mechanismen van hoge ernst en slechte overlevingsomstandigheden.
2. Verbetering van Plattelands-EMS-planning: Het identificeren van specifieke geografische gaten in de noodhulp- en communicatie-infrastructuur die het "gouden uur" voor trauma-slachtoffers in gevaar brengen.
3. Aanpakken van de Digitale Kloof: Het benadrukken van de cruciale rol van mobiele connectiviteit voor veiligheid op het platteland en het potentieel van communicatie-woestijnen om overleefbare verwondingen in dodelijke slachtoffers om te zetten.

De auteurs positioneren dit onderzoek als een nieuwe stap in agrarisch veiligheidsonderzoek, dat een robuust, kwantitatief mechanisme biedt om onderscheid te maken tussen blootstellingsgedreven activiteitspatronen en ernstgedreven risicocumulaties, waardoor effectievere beleids- en planningsbeslissingen in de Amerikaanse Midwest worden ondersteund.