El análisis de la fiabilidad humana (HRA) se utiliza ampliamente para evaluar el impacto de los errores humanos en diversos sistemas complejos hombre-máquina con el fin de mejorar su seguridad y fiabilidad. Sin embargo, es difícil estimar la probabilidad de error humano (HEP) en la realidad debido a la incertidumbre de la información de evaluación del estado y las complejas relaciones entre las condiciones de rendimiento comunes (CPC). En este artículo, nuestro objetivo es presentar un nuevo método integrado de análisis de fiabilidad cognitiva y errores (CREAM) para resolver los problemas de HRA en un entorno lingüístico probabilístico. Primero, se utilizan los conjuntos de términos lingüísticos probabilísticos (PLTS) para manejar las evaluaciones de estado de tarea inciertas proporcionadas por expertos. En segundo lugar, se emplea el modelo de consenso de conflicto mínimo (MCCM) para tratar la información de evaluación del estado de tarea en conflicto y ayudar a los expertos a alcanzar un consenso. En tercer lugar, se utiliza el método de ponderación de entropía para determinar los pesos objetivos relativos de las CPC. Además, se introducen los índices de efecto de las CPC para evaluar el efecto general de las CPC en la fiabilidad del rendimiento y obtener la estimación de HEP. Finalmente, se demuestra la fiabilidad del CREAM propuesto a través de un caso práctico en el ámbito de la salud. El resultado muestra que el nuevo CREAM integrado no solo puede representar de manera efectiva las evaluaciones inciertas del estado de tarea de los expertos, sino también determinar una estimación de HEP más fiable en HRA.