利用机器学习检测职业安全与健康管理局（OSHA）投诉中的个人防护装备（PPE）相关问题，以支持传染病暴发的应对工作

《Journal of Occupational and Environmental Hygiene》：Detecting PPE concerns in OSHA complaints using machine learning to support infectious disease outbreak response

PPE需求与监管挑战的智能分析机制研究。通过机器学习模型解析78,770条COVID-19期间OSHA投诉数据，发现可识别防护装备可及性、使用合规性及监管执行不足三类问题（精确度≥90%，召回率≥90%），并揭示行业与地域分布特征。

　　

摘要

在传染病爆发期间，工作人员常常难以获取、维护和使用个人防护装备（PPE）。通过战略性地分发PPE、提供指导及采取干预措施，可以帮助应对这些挑战，但这些措施的有效性取决于能否及时了解这些挑战在美国劳动大军中的具体表现——而目前美国的任何公共卫生监测系统都无法提供此类数据。本文描述了一种利用机器学习模型来分析提交给美国职业安全与健康管理局（OSHA）的工作场所安全投诉中涉及的各种PPE问题的方法。研究使用了COVID-19疫情期间收集的78,770份OSHA投诉数据集来评估该方法的可行性。结果表明，这些投诉中包含了大量关于PPE的问题，基于这些数据训练的机器学习模型能够以至少90%的准确率和90%的召回率识别出三类PPE相关问题：PPE无法获取或难以使用、工作人员未使用PPE，以及PPE使用规定执行不力。此外，对机器学习检测结果的分析揭示了全国范围内及不同行业中的工人PPE问题趋势。尽管还需要进一步改进以更准确地识别更多类型的PPE问题，但本研究结果表明，机器学习技术可以帮助高效地利用OSHA投诉数据，实时生成有关工人PPE使用情况的宝贵信息，以应对未来的疫情。