Especialistas de la Universidad de Talca se adjudicaron un proyecto que tiene un enfoque centrado en el trabajador y permitirá que los equipos de salud ocupacional definan estrategias preventivas con el fin de permitir la reinserción laboral adecuada para quienes se encuentren con licencias médicas.
Implementar medidas preventivas para acortar las inequidades en salud, así como también, disminuir el gasto que generan las licencias médicas, es el objetivo de un proyecto liderado por la Facultad de Economía y Negocios de la Universidad de Talca.
La iniciativa tiene un enfoque centrado en el trabajador y su reinserción laboral, y pretende que a través de la utilización de inteligencia artificial, se establezca un modelo predictivo para reconocer los determinantes sociales que influyen sobre la cantidad de tiempo de reposo que las personas necesitan para recuperarse de una enfermedad o accidente laboral y ajustarlos de acuerdo a su complejidad.
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 es financiado por la Superintendencia de Seguridad Social (SUSESO), y ejecutado por un equipo multidisciplinario de la Universidad de Talca, liderado por los académicos de la Facultad de Economía y Negocios, Sandra Alvear y Hugo Núñez; Héctor Vargas de la Facultad de Psicología; y Cristian Vidal del Departamento de Visualización Interactiva y Realidad Virtual de la Facultad de Ingeniería.
“Posibilitará que los equipos de salud ocupacional, con un enfoque multidisciplinario centrado en el trabajador y los 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 la directora del proyecto, Sandra Alvear.
Los investigadores aplicarán modelos de Machine Learning (ML), más Explicación de Inteligencia Artificial (XAI) y Evaluación de Modelo, a través de algoritmos de interpretabilidad, los que facilitarán el análisis de los datos.
Determinantes
Cabe destacar que, 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».
Bajo este concepto, por ejemplo, en el caso de un accidente laboral, no solo es relevante considerar el diagnóstico, sino también, si el trabajador cuenta movilización y fácil acceso para acudir a una eventual rehabilitación, si puede financiar una nutrición adecuada, o si cuenta con personas que le ayuden, entre otros factores que influyen en la recuperación y posterior retorno a sus funciones.
“Los tiempos de larga estadía necesarios para la recuperación de un trabajador 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”, planteó la directora de la iniciativa.
