Análisis de factores determinantes, adicionales al diagnóstico, que permitan la detección temprana de casos de larga estadía mediante un modelo econométrico de predicción (MUSEG)

Resumen

Al estar lejos del trabajo, debido a un accidente o enfermedad ocupacional, el trabajador puede deprimirse, sufrir consecuencias económicas y sociales, entre otras, todo lo cual impacta adversamente en su salud, calidad y esperanza de vida. Objetivo: Identificar los factores adicionales al diagnóstico que permitan predecir anticipadamente si un paciente será o no de larga estadía. Se busca conocer los factores que inciden en los días de reposo y desarrollar un modelo predictivo, junto con permitir al equipo de salud poner atención en aquellos factores modificables. Metodología: El artículo metodológicamente aplica: Ingeniería de modelos Machine Learning (ML) + Explicación de Inteligencia Artificial (XAI), Evaluación de modelos, a través de algoritmo de interpretabilidad. Proponer recomendaciones de implementación. Conclusión Preliminar: El envejecimiento de la población trabajadora pasa a ser un tema relevante para la salud ocupacional, que requiere especial atención para la formulación de políticas públicas y políticas de seguridad ocupacional. Los hombres son quienes presentan más días de tiempo necesarios para su recuperación, independientes de su gravedad, así como también los hombres se asocian con los accidentes del trabajo más graves (por ejemplo, amputaciones traumáticas, caídas de altura). En relación con las variables de temporalidad, los hallazgos están relacionados con la mayor gravedad hacia el fin de semana y hacia el fin de la jornada laboral y durante la noche, indicarían que el factor fatiga y cansancio estaría presente en aquellos casos de accidentes con resultados más severos. Los accidentes más graves ocurren en las empresas pequeñas.

Presentadores

Sandra Alvear Vega
Profesora Asociada - Directora Magíster en Gestión de Sistemas de Salud, Facultad de Economía y Negocios, Universidad de Talca, Maule, Chile

Details

Presentation Type

Ponencia temática de un trabajo

Theme

Tema destacado 2025—Inteligencia Emocional vs Artificial: ¿Un cambio de paradigma en la sanidad?

KEYWORDS

Accidentes ocupacionales, Días de Reposo, Factores Sociales