| année de financement: 2010 | budget: $72,650.00 | agence de financement: Workplace Safety and Insurance Board of Ontario |
|---|---|---|
| titre: | Algorithmes de sélection des entreprises – comparaisons au fil du temps | |
| catégorie: | Recherche expérimentale | |
| sous-catégorie: | Recherche d’intervention | |
| mots clés: | Initiatives de prévention, niveau d’entreprise, ciblage | |
| lien vers le site de recherche: | www.iwh.on.ca | |
rationale:
Un élément clé de la gestion de la performance en santé et sécurité professionnelles (SSP), c’est de pouvoir surveiller activement le comportement des entreprises et identifier celles où des interventions sont nécessaires. Plusieurs commissions emploient une méthode fondée sur le risque pour décider de la distribution de leurs ressources de SSP. Cette étude examinera l’effet de la méthode employée pour identifier les entreprises à risque sur la foi de laquelle les entreprises sont sélectionnées et ce qu’on observe dans ces entreprises au fil du temps.
objectifs:
L’objectif global de l’étude est d’examiner la nature et les conséquences de différents mécanismes employés pour identifier les entreprises à cibler pour interventions. Il est essentiel de mieux comprendre les mécanismes les plus appropriés au ciblage pour augmenter la capacité du régime d’exercer des interventions efficaces. L’étude s’appuie sur la recherche en cours qui examine l’Initiative d’entreprise à haut risque de l’Ontario de 2004 à 2008. Elle (1) déterminera si les différents algorithmes de sélection des entreprises utilisés en Ontario mènent à l’identification d’entreprises différentes ou d’entreprises semblables, (2) quantifiera la régression à la moyenne et déterminera si son effet varie selon les algorithmes, les secteurs ou les entreprises de tailles différentes, et (3) déterminera si la régression à la moyenne explique en partie la réduction des taux d’accident consécutive à une intervention.
résultats prévus:
L’étude procurera des renseignements clés pour le développement des meilleures pratiques de sélection ou de ciblage des entreprises en utilisant des données d’indicateurs retardés, c.-à-d. celles qui correspondent le mieux à la performance subséquente sans intervention et qui réduisent la probabilité de régression à la moyenne sur la plus grande fourchette de secteurs industriels et de tailles d’entreprises.
chercheurs:
Sheilah Hogg-Johnson, Benjamin C. Amick, Donald C. Cole, Cameron A. Mustard, Lynda S. Robson, Peter M. Smith, Emile Tompa, Dwayne Van Eerd (Institute for Work & Health)
