UABDivulga - Barcelona recerca i innovació

El presentismo por enfermedad (SP – Sick Presenteeism) se define como el hecho de asistir al lugar de trabajo a pesar de estar enfermo, y debe ser considerado un importante problema de salud pública por su asociación con una serie de problemas de salud, con futuros episodios de ausencia por enfermedad; además, tiene implicaciones importantes para las organizaciones empleadoras y la teoría en el dominio de la asistencia al trabajo. Al revisar la literatura, un grupo de investigación de la UAB ha observado que la mayoría de los estudios que estiman la "prevalencia" de SP lo hacen en la población activa sin excluir a los trabajadores "sanos", que, por definición, no están en riesgo de SP. En tales casos, la población está compuesta, entre otros, por trabajadores que no son presentistas porque nunca han estado enfermos y trabajadores que habiendo estado enfermos no asistieron a su lugar de trabajo. Nótese que la diferencia es importante: a grandes rasgos la primera situación nos informa exclusivamente sobre el estado de salud, la segunda sobre el ejercicio del derecho a la baja por enfermedad. Analizar estos datos de la forma clásica sin tener en cuenta esta diferencia podría conducir a conclusiones sesgadas.

En la muestra específica (n = 1564 trabajadores), cuenta con una proporción de ω = 0.39 individuos que estuvieron enfermos al menos una vez dentro del período de estudio (y por lo tanto tenían riesgo de ser presentistas) y, entre ellos, una proporción de p = 0,70 que en realidad eran presentistas. El modelo matemático propuesto es capaz de identificar correctamente ambas fuentes de 'ceros': sus estimaciones son 0.37 y 0.74 por ω y p respectivamente, mientras que el enfoque habitual arrojaría una proporción de presentistas de 0,27 entre los trabajadores de esta muestra, ya que el único parámetro observable del modelo es el producto de ambos, es decir, ω ∙ p. 

En general, los modelos cero-inflados tienen como objetivo abordar el problema que surge al tener dos fuentes diferentes que generan los valores cero observados en una distribución. En la práctica, esto se debe a que la población estudiada en realidad consta de dos subpoblaciones: una en la que el valor cero es por defecto (llamado cero estructural) y la otra es circunstancial (llamado cero muestral). Nuestro modelo está enfocado a fenómenos que solo pueden tomar dos valores (verdadero o falso, ocurrencia o no ocurrencia) y es capaz de incorporar conocimientos previos que podamos tener sobre los parámetros de interés. 

La metodología propuesta podría utilizarse en una gama de diferentes aplicaciones como control de calidad, epidemiología, medicina o gestión de riesgos entre muchas otras y se implementa en forma de paquete (BayesZIB) que se puede instalar en un software estadístico muy potente y popular llamado "R".