Proyecto determinará los factores adicionales al diagnóstico, que inciden en los días de reposo de un trabajador/a y desarrollar un modelo predictivo, que a través de su implementación permitirá al equipo de salud poner atención en aquellos factores modificables.
La Organización Mundial de la Salud define los determinantes sociales de la salud (DSS) como «las circunstancias en que las personas nacen crecen, trabajan, viven y envejecen, incluido el conjunto más amplio de fuerzas y sistemas que influyen sobre las condiciones de la vida cotidiana». En el caso de un accidente laboral, no solo es relevante considerar el diagnóstico, sino también los Determinantes Sociales, por ejemplo, si el trabajador/a cuenta movilización y fácil acceso para acudir a una eventual rehabilitación, si puede financiar una nutrición adecuada, si cuenta con personas que le ayuden, entre otros factores que influyen en la recuperación y posterior retorno a sus funciones.
Considerando lo anterior, surge el proyecto “Análisis de factores determinantes, adicionales al diagnóstico, que permitan la detección temprana de casos de larga estadía mediante un modelo econométrico de predicción (MUSEG)”, que busca determinar cuáles son los factores adicionales al diagnóstico que inciden en los días de reposo de un trabajador/a y desarrollar un modelo predictivo, que a través de su implementación permita al equipo de salud poner atención y abordar aquellos factores modificables.
El proyecto financiado por la Superintendencia de Seguridad Social (SUSESO) será ejecutado por un equipo multidisciplinario de la Universidad de Talca, liderado por Dra. Sandra Alvear Vega de la Facultad de Economía y Negocios; junto a Dr. Héctor Vargas de la Facultad de Psicología, Dr (c) Hugo Núñez de la Facultad de Economía y Negocios; y Cristian Vidal del Departamento de Visualización Interactiva y Realidad Virtual.
“Los tiempos de larga estadía necesarios para la recuperación de un trabajador/a después de un accidente o enfermedad ocupacional es un relevante problema de salud ocupacional. Paralelamente, al estar lejos del trabajo el trabajador puede deprimirse, sufrir consecuencias económicas y sociales, entre otras, todo lo cual impacta adversamente en su salud, calidad y esperanza de vida. El presente proyecto permitirá que los equipos de salud ocupacional, con un enfoque multidisciplinario, centrado en el trabajador y las determinantes sociales de su salud, definan estrategias preventivas, sobre la base del diagnóstico oportuno, permitiendo su pronta reinserción laboral. Sin duda, los resultados de la implementación del proyecto, permitirá definir o repensar políticas públicas en salud encaminadas en dicha dirección”, explicó Alvear, académica y directora del proyecto.
Para lograr el objetivo del proyecto, los/as investigadores/as aplicarán Ingeniería de modelos Machine Learning (ML) + Explicación de Inteligencia Artificial (XAI) y Evaluación de modelo, a través de algoritmo de interpretabilidad.
