Comprendre les déterminants de la gravité des blessures liées aux collisions est essentiel pour développer des stratégies de sécurité efficaces et réduire les pertes liées à la circulation. Cette étude propose un cadre analytique hybride qui intègre l'apprentissage automatique interprétable avec la modélisation statistique pour pallier les limitations des approches existantes. Un classificateur de forêt aléatoire (RF), associé aux explications additives de Shapley (SHAP), a d'abord été employé pour capturer des relations non linéaires et identifier les principaux prédicteurs des résultats de blessures, y compris l'équipement de sécurité, l'âge, le sexe et la présence d'obstacles fixes. La forêt aléatoire a été choisie pour sa forte performance prédictive dans la capture des relations non linéaires, tandis que SHAP fournit des explications transparentes des prédictions du modèle. Pour garantir la rigueur statistique et quantifier les associations, un modèle de cotes proportionnelles partielles (PPO) a ensuite été appliqué, permettant de relâcher l'hypothèse des cotes proportionnelles (POA) et de permettre l'estimation des effets marginaux. Les résultats mettent systématiquement en évidence le rôle protecteur de l'équipement de sécurité et les risques accrus associés aux obstacles fixes, aux conditions météorologiques défavorables et aux conditions nocturnes. Par exemple, l'utilisation de la ceinture de sécurité est associée à une probabilité 29,61 % plus élevée de ne pas subir de blessure, tandis que les obstacles fixes sont associés à une probabilité 29,36 % plus faible et un risque accru de blessure sévère. Ces résultats soutiennent les campagnes de sécurité qui encouragent l'utilisation d'équipements de protection et les politiques d'infrastructure visant à réduire les obstacles en bord de route et à améliorer la visibilité nocturne. Les recherches futures se concentreront sur la prise en compte de l'hétérogénéité non observée et la validation du cadre à travers des ensembles de données multi-régionales pour améliorer sa généralisabilité et sa pertinence politique.
Wang et al. (Thu,) ont étudié cette question.