I 2007 blev der i Danmark indrapporteret 23.521 utilsigtede hændelser. Formålet med rapportering af utilsigtede hændelser er, at få udarbejdet retningslinier for hvorledes disse forebygges, hvorved der er potentiale for at redde menneskeliv. Rapporterne indrapporteres i fritekst, hvilket på nuværende tidspunkt kræver gennemlæsning af en risikomanager for, at kortlægge hvad der er årsag til den utilsigtede hændelse. I dette projekt er det undersøgt, om de utilsigtede hændelser automatisk kan årsagsklassificeres ved brug af statistisk natural language processing. Dette er gjort ved at udvikle et system som 'proof-of-concept'. Systemet består af en brugergrænseflade og en klassifikationsmodel. Klassifikationsmodellen er trænet og testet på i alt 132 utilsigtede hændelsesrapporter, der alle indeholder søgeordet 'EPM', og har til formål at klassificere om EPM er årsag til den utilsigtede hændelse eller ej. Dette er gjort ved konstruktion af en model baseret på en kombination af a priori viden fra eksperter og statistisk viden.\\ Resultat af klassifikationen viser et F-mål på 0,946 for de rapporter, der klassificeres som ikke årsag og et F-mål på 0,667 for de rapporter, der klassificeres som årsag. Disse resultater kan forbedres ved træning af modellen på flere utilsigtet hændelses rapporter. Det konkluderes, at statistisk natural language processing kan anvendes til klassifikation af utilsigtede hændelser, hvis der er integreret a priori viden i forhold til det konkrete søgeord.