Analítica de datos en SST

Qué es la analítica de datos en SST

La gestión preventiva produce una gran cantidad de datos: partes de accidente, comunicaciones de incidentes, evaluaciones y sus revisiones, planificaciones con medidas y plazos, inspecciones y observaciones, registros de formación y de entrega de equipos, resultados colectivos de la vigilancia de la salud, mediciones de ruido, agentes químicos o temperatura, y cada vez más datos de sensores, dispositivos vestibles y sistemas de producción. Tradicionalmente esos datos se han utilizado para cumplir obligaciones documentales y calcular índices de siniestralidad; la analítica de datos los convierte en conocimiento accionable.

Suele distinguirse entre analítica descriptiva (qué ha pasado: índices, tendencias, distribuciones por centro, turno, tarea o agente), diagnóstica (por qué: correlaciones entre condiciones, exposiciones y daños, análisis de causas), predictiva (qué puede pasar: modelos que estiman la probabilidad de incidentes o de incumplimientos a partir de indicadores adelantados) y prescriptiva (qué hacer: priorización de medidas y asignación de recursos). Las dos primeras son alcanzables con datos bien registrados y herramientas sencillas; las dos últimas requieren volumen, calidad y modelos validados.

El valor de la analítica depende de la calidad del dato de origen: definiciones homogéneas, codificación coherente (por ejemplo, forma y agente material del parte de accidente), registro completo de incidentes y no solo de accidentes con baja, y datos de exposición (horas trabajadas, plantilla, tareas) que permitan calcular tasas. Un software de gestión preventiva que centralice los registros es la base habitual de la analítica.

Usos habituales

• Cuadros de mando. Indicadores de resultado (índices de siniestralidad, absentismo por contingencias profesionales) e indicadores proactivos (incidentes comunicados, inspecciones, medidas ejecutadas en plazo, formación vigente, observaciones de seguridad) por centro y periodo.
• Análisis de siniestralidad. Desagregación por tipo de accidente, tarea, hora, antigüedad, contrato y turno para identificar patrones y focos de riesgo.
• Indicadores adelantados. Uso de incidentes, condiciones inseguras, casi accidentes y no conformidades como señales previas a los accidentes.
• Priorización de la planificación. Ordenación de medidas pendientes según riesgo, coste, plazo y recurrencia de las deficiencias.
• Higiene y ergonomía. Series temporales de mediciones y de datos de sensores para detectar exposiciones anómalas y evaluar la eficacia de las medidas.
• Vigilancia de la salud colectiva. Análisis epidemiológico de resultados anonimizados o agregados por el personal sanitario para relacionar exposiciones y daños.
• Modelos predictivos. Estimación de la probabilidad de incidente por puesto o periodo, con validación y supervisión humana, como apoyo y no como sustituto del juicio técnico.

Requisitos y límites

• Protección de datos. Los datos de salud son categoría especial conforme al Reglamento General de Protección de Datos y la Ley Orgánica 3/2018; su tratamiento analítico exige base jurídica, minimización, anonimización o agregación y acceso restringido al personal sanitario.
• Confidencialidad y no discriminación. Los resultados no pueden utilizarse para decisiones individuales adversas ni para perfilar a las personas trabajadoras; la Ley 31/1995 limita el uso de los datos de vigilancia de la salud a fines preventivos.
• Calidad y sesgos. Los modelos reproducen los sesgos de los datos: la infradeclaración de incidentes o la sobrerrepresentación de determinados centros distorsionan las conclusiones.
• Interpretación técnica. La analítica apoya la decisión de los técnicos de prevención, la dirección y los representantes; las correlaciones no son causas y los modelos deben validarse.
• Participación. Los delegados de prevención deben ser informados y consultados sobre los sistemas de análisis y sus finalidades.

Aplicación organizativa: cómo implantar la analítica de datos

1. Definir las preguntas que la analítica debe responder y los indicadores asociados, con la participación de la dirección, el servicio de prevención y los representantes.
2. Inventariar las fuentes de datos, unificar definiciones y codificaciones y centralizar los registros en un sistema de gestión preventiva.
3. Garantizar la calidad: registro completo de incidentes, datos de exposición (horas, plantilla), campos obligatorios y validaciones.
4. Construir cuadros de mando descriptivos por centro y periodo, con indicadores de resultado y proactivos, antes de abordar modelos avanzados.
5. Establecer el marco de protección de datos: análisis de riesgos o evaluación de impacto cuando proceda, anonimización o agregación de datos de salud y accesos por rol.
6. Incorporar el análisis a la rutina de gestión: revisión mensual con mandos, comité de seguridad y salud y revisión por la dirección.
7. Validar cualquier modelo predictivo con datos históricos, documentar sus límites y mantener la decisión final en manos de personas.

Un software de gestión preventiva con capacidades analíticas permite explotar los datos registrados sin exportaciones manuales, mantener la trazabilidad de cada indicador hasta su origen y aplicar controles de acceso diferenciados a los datos de salud.

Límites y errores frecuentes

1. Analizar solo accidentes con baja, ignorando incidentes y condiciones inseguras, que son la mayor parte de la información preventiva.
2. Comparar centros o periodos sin normalizar por exposición ni por criterios de registro.
3. Tratar datos de salud identificables fuera del personal sanitario o utilizarlos para decisiones sobre personas.
4. Confiar en modelos predictivos sin validar ni explicar, o sustituir con ellos la evaluación de riesgos.
5. Construir cuadros de mando que nadie revisa ni conecta con decisiones y medidas.
6. Olvidar la consulta a los representantes y la información a la plantilla sobre los sistemas de análisis.

La analítica no sustituye la evaluación de riesgos ni la vigilancia de la salud: las complementa con evidencia para decidir mejor.

Marco normativo y de referencia

• Ley 31/1995, artículos 16, 22 y 23. Evaluación e investigación de daños, confidencialidad de la vigilancia de la salud y documentación.
• Reglamento (UE) 2016/679, Reglamento General de Protección de Datos. Tratamiento de datos personales y de categorías especiales, incluidos los datos de salud.
• Ley Orgánica 3/2018, de 5 de diciembre. Protección de datos personales y garantía de los derechos digitales.
• ISO 45001. Capítulo 9: seguimiento, medición, análisis y evaluación del desempeño en seguridad y salud en el trabajo.
• Agencia Europea para la Seguridad y la Salud en el Trabajo (EU-OSHA). Digitalización del trabajo: oportunidades y riesgos de los sistemas basados en datos para la seguridad y salud.

La Estrategia Española de Seguridad y Salud en el Trabajo 2023-2027 incluye la mejora del conocimiento y de los sistemas de información como línea de actuación; en Colombia, la Resolución 0312 de 2019 exige indicadores de estructura, proceso y resultado en el SG-SST.