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

Este estudo introduz um framework geoespacial multicritério que utiliza o Processo Analítico Hierárquico e a ponderação AHP Fuzzy Geométrica para revelar que, embora a frequência de incidentes agrícolas no Meio-Oeste dos EUA esteja concentrada no noroeste de Iowa, o risco ponderado pela severidade se estende de forma mais ampla, oferecendo assim uma abordagem baseada em evidências superior para direcionar intervenções de segurança e planejamento médico de emergência em comparação com avaliações tradicionais baseadas apenas na frequência.

O essencial

Imagine o Meio-Oeste americano como uma cozinha gigante e movimentada onde milhões de refeições são preparadas todos os anos. Mas, em vez de apenas cortar vegetais, os "chefs" (agricultores) operam máquinas massivas e poderosas, lidam com gado pesado e trabalham em cantos remotos da cozinha. Às vezes, as coisas dão errado.

Este artigo é como um novo tipo de boletim de segurança para essa cozinha. Os autores, Ege Duran, Omer Mermer e Ibrahim Demir, argumentam que a maneira antiga de manter a contagem era falha. Aqui está uma explicação simples de suas descobertas e métodos:

O Problema: Contar vs. Entender

A Maneira Antiga: Imagine um professor que apenas conta quantas vezes um aluno levanta a mão para responder a uma pergunta. Ele poderia dizer: "Uau, este aluno é muito ativo!" Mas isso não diz se o aluno está respondendo corretamente, perigosamente ou se está em apuros.
A Visão do Artigo: Os pesquisadores dizem que simplesmente contar quantos acidentes agrícolas ocorrem (frequência) é como contar levantamentos de mão. Isso diz onde os agricultores estão ocupados, mas não diz onde reside o real perigo. Uma fazenda movimentada pode ter muitos pequenos sustos sobrevivíveis, enquanto uma fazenda mais tranquila pode ter alguns eventos catastróficos.

A Solução: Uma Receita de "Pontuação de Risco"

Para corrigir isso, a equipe criou um novo "Índice de Impacto". Pense nisso como uma receita complexa para uma pontuação de risco. Em vez de apenas contar acidentes, eles misturaram vários ingredientes para ver quão "perigoso" um local específico realmente é:

1. O Resultado (Fatalidade): Alguém morreu? Este é o ingrediente mais pesado.
2. O Mecanismo (Tipo de Acidente): Foi um capotamento de trator ou um aprisionamento em silo de grãos? Estes são como ingredientes "explosivos" que são inerentemente mais perigosos do que uma simples queda.
3. O Tempo de Resgate (Acesso ao SAMU): Quanto tempo leva para chegar a um hospital? Se um agricultor se machuca em um campo remoto sem serviço de celular e com uma longa viagem até o hospital, a pontuação de risco aumenta.
4. O Fator "Trabalhador Solitário": Muitos agricultores trabalham sozinhos. Se eles se machucarem e não puderem pedir ajuda por causa de uma "zona morta de celular", o risco é maior.

Os Dois Métodos: A Faca Afiada vs. A Esponja Macia

Os pesquisadores usaram duas ferramentas matemáticas diferentes para misturar esses ingredientes e obtiveram imagens ligeiramente diferentes:

• Método A (AHP): Pense nisso como uma faca afiada. Ela corta através dos dados e destaca os piores locais absolutos de forma muito clara. Diz: "Olhe exatamente aqui! Este é o lugar mais perigoso!" Foca pesadamente na gravidade do resultado.
• Método B (AHP Geométrico-Fuzzy): Pense nisso como uma esponja macia. Ela absorve algumas das arestas afiadas e incertezas. Reconhece que não sabemos tudo perfeitamente (como exatamente quão ruim foi um acidente específico ou quão rápido a ajuda chegaria). Este método cria um mapa mais suave, mostrando áreas mais amplas de risco em vez de apenas apontar os locais absolutos mais piores.

O Que Eles Encontraram: O Mapa do Perigo

Quando aplicaram essa receita a sete estados do Meio-Oeste (Iowa, Minnesota, Kansas, etc.) usando dados de 2012 a 2023, encontraram algumas coisas surpreendentes:

• Ocupado nem sempre é Mortal: As áreas agrícolas mais movimentadas (como o noroeste do Iowa) tiveram o maior número total de acidentes. Isso faz sentido porque há mais agricultores e máquinas lá.
• Mortal nem sempre é Ocupado: No entanto, as áreas com mais fatalidades estavam distribuídas de forma diferente. Embora o noroeste do Iowa ainda fosse um ponto quente, as "zonas de perigo" se estendiam mais para o centro do Iowa e o sul de Minnesota.
• Os Assassinos "Silenciosos": Os acidentes mais perigosos não eram os comuns (como escorregar na estrada). Eram os raros e de alta energia: tratores capotando, pessoas presas em silos de grãos ou capotamentos de ATV. Esses tipos específicos de acidentes eram muito mais propensos a resultar em morte.
• Quem está em Risco? Os dados mostraram que agricultores homens mais velhos são o grupo mais vulnerável. À medida que os agricultores envelhecem, a chance de um acidente ser fatal aumenta.

O Quadro Geral

A principal conclusão é que você não pode apenas olhar para um mapa de "onde os acidentes aconteceram" para saber onde colocar recursos de segurança. Você precisa olhar para um mapa de "onde os acidentes são mais propensos a matar".

Ao combinar a localização do acidente com a dificuldade de obter ajuda (hospitais e torres de celular), os pesquisadores criaram uma nova maneira de ver a paisagem. Eles descobriram que as "zonas de perigo" não são apenas onde a agricultura é mais movimentada, mas onde a agricultura é mais movimentada mais onde a maquinaria é mais perigosa mais onde a ajuda está mais distante.

Este estudo não oferece uma nova máquina ou uma nova lei. Em vez disso, oferece uma melhor lanterna. Ajuda oficiais de segurança e planejadores de emergência a ver a verdadeira forma do risco, para que possam focar seus esforços nos lugares onde a vida de um agricultor está mais em jogo, em vez de apenas nos lugares onde eles estão mais ocupados.

Resumo técnico

Resumo Técnico: Indexação de Impacto Geoespacial de Incidentes Agrícolas no Meio-Oeste dos EUA

Declaração do Problema
As avaliações tradicionais de segurança agrícola frequentemente dependem de contagens brutas de incidentes, que enfatizam a frequência de exposição, mas falham em capturar a natureza multidimensional do risco, particularmente a gravidade do desfecho e a sobrevivência pós-incidente. No Meio-Oeste dos EUA, uma região de produção agrícola intensiva, os incidentes ocorrem frequentemente em locais remotos onde "trabalhadores solitários" enfrentam barreiras significativas para descoberta e assistência imediatas. Os métodos de vigilância existentes frequentemente sofrem de fragmentação, subnotificação e falta de resolução geoespacial que falha em vincular locais de incidentes a fatores críticos de sobrevivência, como acessibilidade dos serviços médicos de emergência (EMS) e infraestrutura de comunicação celular. Consequentemente, as intervenções de segurança podem estar desalinhadas com as áreas de maior risco real, definidas não apenas pela frequência de ocorrência dos incidentes, mas pela convergência de mecanismos perigosos, isolamento ambiental e restrições temporais.

Metodologia
Este estudo constrói um banco de dados geoespacial unificado e multistatal cobrindo sete estados do Meio-Oeste (Iowa, Kansas, Minnesota, Missouri, Nebraska, Dakota do Norte e Dakota do Sul) utilizando registros de incidentes agrícolas de 2012 a 2023, obtidos do Centro dos Estados Centrais para Segurança e Saúde Agrícola (CS-CASH). A metodologia integra dados longitudinais de incidentes com camadas ambientais e infraestruturais, incluindo a Camada de Dados de Cultivos do NASS/USDA (CDL) para uso da terra, dados HIFLD para locais de EMS e hospitais, e dados da FCC para proximidade de torres celulares.

A inovação metodológica central é o desenvolvimento de um Índice de Impacto de Incidente Multicritério utilizando dois frameworks de ponderação:

1. Processo Analítico Hierárquico (AHP): Uma técnica estruturada de tomada de decisão que decompõe o problema em uma hierarquia de oito critérios: Fatalidade (FAT), Tipo de Incidente (TYPE), Relevância Temporal (REC), Pessoas Envolvidas (PEOP), Idade (AGE), Proximidade EMS/Hospital (EM), Proximidade de Torre (TOW) e Razão de Fatalidade por Tipo de Fazenda (FARM). Comparações pareadas foram utilizadas para derivar pesos precisos, priorizando dano direto e perigo intrínseco.
2. AHP Fuzzy Geométrico (Geometric-FAHP): Uma extensão do AHP que utiliza o método da média geométrica fuzzy de Buckley com Números Fuzzy Triangulares (TFNs). Esta abordagem captura a incerteza e a vaguidão inerentes aos julgamentos humanos sobre risco, convertendo variáveis linguísticas em conjuntos fuzzy para produzir distribuições de peso mais suaves e menos voláteis.

Ambos os frameworks normalizam os oito parâmetros para uma escala [0, 1] e os agregam em uma pontuação de impacto composta. Essas pontuações são então aplicadas para gerar superfícies de Estimativa de Densidade de Kernel (KDE) usando um kernel quártico (biweight) para visualizar o agrupamento espacial de incidentes de alto impacto, distinguindo entre padrões impulsionados pela frequência e riscos impulsionados pela gravidade.

Principais Contribuições

• Banco de Dados Unificado Multistatal: O estudo cria um perfil de segurança abrangente para a região do Meio-Oeste de sete estados, superando as limitações de relatórios fragmentados e de um único estado ao harmonizar 12 anos de dados de vigilância.
• Integração Geoespacial Granular: Ele sobrepõe explicitamente os locais de incidentes com infraestrutura de sobrevivência (tempos de viagem do EMS e distâncias de torres celulares), quantificando a vulnerabilidade especificamente para trabalhadores solitários em ambientes agrícolas remotos.
• Indexação de Impacto Inovadora: A pesquisa introduz um mecanismo quantitativo para avaliar incidentes agrícolas além de simples contagens de fatalidades. Ao aplicar tanto AHP quanto Geometric-FAHP, o estudo fornece uma perspectiva dupla: o AHP destaca pontos críticos agudos e impulsionados pela gravidade, enquanto o Geometric-FAHP revela padrões de vulnerabilidade mais amplos e graduais, moderando valores extremos através da modelagem de incerteza.

Resultados

• Padrões Espaciais Divergentes: A análise revela que, embora a frequência geral de incidentes esteja fortemente concentrada no noroeste do Iowa (refletindo atividade intensiva de culturas em fileiras), os desfechos fatais exibem uma pegada espacial mais ampla, estendendo-se para o centro/norte do Iowa e centro-sul do Minnesota. Confiar apenas em contagens de frequência subrepresentaria significativamente áreas localizadas de alto consequência.
• Gravidade Específica por Mecanismo: Incidentes fatais estão desproporcionalmente associados a mecanismos de alta energia, como tratores, silos de grãos e carregadeiras (taxas de fatalidade variando de 58% a 76,9%), whereas incidentes em vias e emaranhamento são mais frequentes, mas mais sobrevivíveis.
• Vulnerabilidade Demográfica: O risco está fortemente concentrado entre trabalhadores do sexo masculino (85% das fatalidades) e aumenta com a idade, com o grupo etário de 60–70 anos suportando o maior fardo fatal.
• Comparação de Ponderação: O framework AHP produziu pontuações médias de impacto mais altas e maior dispersão espacial, acentuando pontos críticos localizados onde incidentes catastróficos dominam. Em contraste, o Geometric-FAHP produziu pontuações médias consistentemente mais baixas e dispersão reduzida, gerando gradientes espaciais mais suaves que capturam melhor as estruturas de vulnerabilidade regionais sem superenfatizar outliers extremos.
• Lacunas de Infraestrutura: A análise espacial destaca que os desfechos fatais não são estritamente proporcionais à frequência de incidentes, mas são fortemente influenciados pela presença de mecanismos de alta gravidade e déficits estruturais na infraestrutura rural (por exemplo, tempos de resposta estendidos do EMS e desertos de comunicação).

Significado e Alegações
O artigo afirma que suas descobertas demonstram que o mapeamento baseado apenas em frequência falha em capturar a natureza multidimensional do risco agrícola. Ao vincular explicitamente os locais de incidentes à infraestrutura de sobrevivência e utilizar análise de decisão multicritério, o estudo fornece um framework baseado em evidências para:

1. Direcionar Intervenções de Segurança: Ir além das métricas gerais de exposição para focar recursos em áreas onde atividades de alta frequência coincidem com mecanismos de alta gravidade e condições de sobrevivência precárias.
2. Melhorar o Planejamento de EMS Rural: Identificar lacunas geográficas específicas na infraestrutura de resposta de emergência e comunicação que comprometem a "hora de ouro" para vítimas de trauma.
3. Abordar o Divisão Digital: Destacar o papel crítico da conectividade celular na segurança rural e o potencial de desertos de comunicação transformarem lesões sobrevivíveis em fatalidades.

Os autores posicionam esta pesquisa como um passo inovador na pesquisa de segurança agrícola, oferecendo um mecanismo quantitativo robusto para distinguir entre padrões de atividade impulsionados pela exposição e concentrações de risco impulsionadas pela gravidade, apoiando assim decisões de política e planejamento mais eficazes no Meio-Oeste dos EUA.