A Composite Human-Readiness Index for Flight-Line Maintenance Personnel: Model Formulation and a Pre-Registered Validation Protocol

Resumo Técnico: Um Índice Composto de Prontidão Humana para Pessoal de Manutenção de Linha de Voo

Definição do Problema
A manutenção de aeronaves em linha de voo é um domínio crítico para a segurança, onde a degradação da prontidão humana — impulsionada pela privação de sono, recuperação insuficiente, carga de trabalho sustentada e redução da atenção — pode levar a erros de manutenção latentes. As ferramentas de segurança atuais são amplamente retrospectivas (ex: Maintenance Error Decision Aid) ou de escopo organizacional (ex: Sistemas de Gestão de Risco de Fadiga), deixando uma lacuna para os supervisores de linha de frente. Há uma carência de um indicador simples, prospectivo e defensável que agregue fatores humanos individuais ao nível de pessoa-mês para sinalizar proativamente o declínio da prontidão antes que ocorram erros.

Metodologia
O artigo formula o Número de Prontidão de Pessoal Agregado (APN), um índice composto transparente projetado para ser computado a partir de registros rotineiros de linha de voo. A metodologia consiste em três componentes principais:

1. Seleção e Normalização de Variáveis:
   O modelo integra cinco entradas selecionadas por sua ligação, sustentada pela literatura, com o risco de erro e por sua disponibilidade nas operações rotineiras:

   • Duração do Sono ($S$): Normalizada para um alvo fisiológico (aprox. 7,5 horas), penalizando tanto o sono reduzido quanto o excessivamente longo.
   • Exercício Físico ($E$): Limitado para recompensar a atividade razoável sem incentivar o esforço excessivo.
   • Taxa de Conclusão de Tarefas ($P$): Calculada como tarefas por hora de trabalho, normalizada em relação às distribuições históricas específicas da unidade.
   • Contagem de Erros ($M$): Uma contagem verificada de erros de manutenção, servindo como um termo de penalidade negativa.
   • Pontuação de Vigilância Cognitiva ($C$): Uma pontuação de teste de atenção/aritmética padronizada e com tempo determinado.

   Cada entrada é mapeada para um valor adimensional em $[0, 1]$ usando funções de normalização específicas (ex: $S^* = \max\{0, 1 - |S - S_0|/a\}$).

2. Formulação do Modelo:

   • Índice Diário: Uma soma ponderada limitada ($0–10$) combina as entradas normalizadas. Inicialmente, pesos atribuídos por especialistas são usados para criar um escore diário transparente e interpretável ($APN_d$). O termo de erro carrega um peso negativo para garantir que o índice recompense a produtividade segura, em vez da velocidade bruta.
   • Atualização Mensal: Para transitar de suposições de especialistas para insights baseados em dados, o artigo propõe um procedimento de regressão regularizada (L2/Ridge). À medida que os dados se acumulam, os pesos iniciais são substituídos por coeficientes ($\beta$) estimados localmente, derivados do desempenho específico da unidade. Isso compensa pequenos tamanhos de amostra e preditores correlacionados.

3. Computação Ilustrativa:
   O artigo fornece um exemplo prático totalmente especificado e não empírico utilizando dados fabricados para 12 meses de técnicos. Esta seção demonstra o cálculo passo a passo do escore APN e o "Índice de Risco" resultante, estritamente para ilustrar a lógica computacional sem fazer reivindicações de desempenho.

Principais Contribuições
O artigo separa explicitamente suas contribuições em duas partes distintas, evitando a confusão entre a especificação do modelo e a validação empírica:

1. Um Modelo Totalmente Especificado e Auditável: O artigo fornece um arcabouço matemático completo e reproduzível para a construção do APN. Isso inclui a escolha das variáveis, esquemas de normalização, uma estrutura de ponderação inicial interpretável e um mecanismo principista para a transição para coeficientes estimados localmente via regressão regularizada.
2. Um Protocolo de Validação Pré-Registrado: Reconhecendo que não existe atualmente um conjunto de dados de campo, o artigo delineia um protocolo rigoroso e pré-registrado para um futuro estudo de coorte observacional prospectivo. Este protocolo define:
   • Desenho do Estudo: 60–150 pessoas durante 6–12 meses.
   • Desfechos: Eventos de qualidade de manutenção verificados pelo supervisor (erros, retrabalho).
   • Plano de Análise: Regressão logística de efeitos mistos, curvas ROC de discriminação, curvas de calibração e validação cruzada com regras de interrupção específicas.
   • Regras de Decisão: Critérios pré-comprometidos de sucesso (ex: AUC $\ge$ 0,70), futilidade e recalibração para evitar a racionalização post-hoc.

Resultos
Conforme afirma o artigo, nenhum resultado empírico é apresentado. A seção numérica (Seção 5) e as visualizações são explicitamente rotuladas como "exemplos práticos não empíricos ilustrativos". Os dados fabricados na Tabela 3 são construídos para serem internamente consistentes com as relações qualitativas encontradas na literatura (ex: menor sono e maior contagem de erros resultando em menores escores APN), mas esses números não representam observações medidas ou desempenho preditivo. O artigo não faz reivindicações sobre a precisão, sensibilidade ou especificidade do índice em um cenário real.

Significância e Alegações
O artigo posiciona o APN não como uma ferramenta operacional validada, mas como um candidato a camada de suporte à decisão para Sistemas de Gestão de Segurança (SMS). Sua significância reside na:

• Transparência Metodológica: Oferecer uma "contribuição metodológica reutilizável" que é auditável e resistente ao uso indevido, distinta da reivindicação de eficácia postergada.
• Cultura de Segurança Proativa: Deslocar o foco do culpabilização retrospectiva para o suporte proativo. Um escore APN baixo é destinado a desencadear conversas de supervisão sobre descanso, carga de trabalho ou fatores médicos, em vez de ação disciplinar.
• Governança Ética: O artigo enfatiza que qualquer implementação requer salvaguardas éticas estritas, incluindo consentimento informado, controles de acesso e auditorias de viés para garantir o tratamento justo entre diferentes funções e níveis de senioridade.
• Rigor Científico: Ao pré-registrar o protocolo de validação, o trabalho garante que o eventual estudo de campo será avaliado contra critérios pré-comprometidos, abordando a necessidade de intervenções de fatores humanos baseadas em evidências na manutenção de aviação.

Em resumo, o artigo fornece o "projeto" e o "plano de teste" para uma nova métrica de prontidão humana, adiando explicitamente a reivindicação de eficácia até que o estudo de validação proposto seja conduzido.