Prognostisering av arbetsplatsolyckor i Turkiet med hjälp av multivariata ARMAX- och NLARX-modeller

Varför det är viktigt att förutsäga arbetsplatsolyckor

Varje år skadas hundratusentals arbetstagare i Turkiet och tusentals omkommer i arbetsplatsolyckor. För myndigheter, arbetsgivare och fackföreningar är det avgörande för planering av inspektioner, utbildning och säkerhetsinvesteringar att veta om antalet olyckor sannolikt kommer att öka eller minska de kommande åren. Denna studie ställer en enkel men viktig fråga: kan vi använda tidigare olycksstatistik för att pålitligt förutsäga framtida olyckor, och i så fall vilken typ av matematisk modell fungerar bäst?

En närmare titt på Turkiets olycksstatistik

Författarna bygger på officiella månadsdata från Turkiets socialförsäkringsinstitution, som täcker perioden från 2013 — då en ny lag om arbetsmiljö trädde i kraft — fram till slutet av 2023. För att hålla bilden tydlig delar de arbetskraften i fyra grupper: försäkrade arbetstagare utan olycka, de med lindriga olyckor, de med allvarliga olyckor och de som varit med om dödliga olyckor. Att betrakta dessa grupper tillsammans visar att olycksmönstren inte är isolerade. Förändringar i lindriga olyckor kan till exempel påverka allvarliga skador och dödsfall, särskilt i hög-risksektorer som bygg, gruvdrift och transporter. Teamets mål är att fånga dessa sammanflätade trender med modeller som kan lära av det förflutna och projicera dem in i framtiden.

Från enkla kurvor till sammankopplade tidslinjer

Många tidigare studier har förlitat sig på en-rad-i-taget-prognoser och behandlat varje olyckstyp som om den utvecklades oberoende. Här antar forskarna istället en multivariat tidsserietillgång som tillåter att de fyra grupperna påverkar varandra över tid. De testar två modellfamiljer. Den första, kallad ARMAX i teknisk terminologi, är en linjär modell: den förutsätter att framtida värden kan uttryckas som viktade kombinationer av tidigare värden och slumpmässigt brus. Den andra, kallad NLARX, lägger till icke-linjära termer såsom kvadrerade och interaktionseffekter, vilket möjliggör mer komplexa responsmönster. Eftersom lämpliga månatliga data om den bredare ekonomin och sektorer saknas fokuserar båda modellerna enbart på olycksstatistikens interna dynamik snarare än att lägga in yttre drivkrafter som arbetslöshet eller produktionsnivåer.

Hur modellerna byggdes och bedömdes

Med hjälp av specialiserade systemidentifieringsverktyg omvandlar författarna olycksregistren till en strukturerad dataset och delar upp den i en träningsdel (de första 80 månaderna) och en testdel (de återstående 52 månaderna). De anpassar sedan både linjära och icke-linjära modeller till träningsdata och låter varje modell förutsäga testperioden. Noggrannhet mäts med ett normaliserat medelkvadratfel, som jämför gapet mellan förutsagda och observerade kurvor över alla månader och alla fyra grupper. Genom att skanna igenom många möjliga modellstrukturer och behålla endast parametrar som är statistiskt meningsfulla minskar de risken för överkomplicerade formler som bara memorerar det förflutna. Denna noggranna procedur låter dem jämföra hur väl de linjära respektive icke-linjära tillvägagångssätten generaliserar bortom de data de tränats på.

Vad prognoserna visar

Resultaten uppvisar ett tydligt mönster. Sammantaget ger den linjära ARMAX-modellen mycket träffsäkra anpassningar till historiska data och låga prognosfel för alla fyra populationer. Den presterar särskilt väl för försäkrade arbetstagare utan olycka och för lindriga olyckor, där de förutspådda kurvorna ligger nära verkliga data över mer än fyra års testperiod. Den icke-linjära NLARX-modellen utmärker sig för olyckefria gruppen, där den presterar något bättre än den linjära, och matchar den linjära modellen för lindriga olyckor och dödsfall. Däremot är dess prognoser för allvarliga olyckor märkbart mindre stabila, med större avvikelser ju längre prognoshorisonten sträcker sig. En närmare granskning av den linjära modellens parametrar tyder på att lindriga olyckor och populationer utan olycka styrs av många måttliga men signifikanta påverkanstermer, medan allvarliga olyckor och dödsfall drivs av några få starka, dominerande effekter.

Konsekvenser för säkerhetspolitik

För icke-specialister är slutsatsen att relativt enkla, väl utformade linjära modeller redan kan ge pålitliga tidiga varningar om hur olika kategorier av arbetsplatsolyckor sannolikt kommer att utvecklas i Turkiet. Eftersom dessa modeller uttryckligen följer hur lindriga, allvarliga och dödliga olyckor rör sig tillsammans över tid kan de hjälpa beslutsfattare att upptäcka framväxande problem i de farligare kategorierna och agera innan dödsfall skjuter i höjden. Icke-linjära modeller tillför värde i vissa stabila grupper, men är ännu inte konsekvent bättre där det är viktigast: vid prognoser för allvarliga skador och dödsfall. Studien antyder att myndigheter med förtroende kan använda multivariata linjära prognoser för att styra riktade inspektioner, skärpt tillsyn i hög-risksektorer samt bättre fördelning av utbildnings- och förebyggande resurser, medan framtida arbete som inkluderar rikare data om sektorer och arbetsvillkor kan förfina dessa prediktiva verktyg ytterligare.

Citering: Kaplanvural, S., Tosyalı, E. & Ekmekçi, İ. Forecasting occupational accidents in Turkey using multivariate ARMAX and NLARX models. Sci Rep 16, 5696 (2026). https://doi.org/10.1038/s41598-026-36210-0

Nyckelord: arbetsplatsolyckor, tidsserieprognoser, arbetsplatssäkerhet, Turkiet, statistisk modellering