UABDivulga - Barcelona recerca i innovació

El presentisme per malaltia (SP – Sick Presenteeism) es defineix com el fet d'assistir al lloc de treball malgrat estar malalt, i ha de ser considerat com un problema de salut pública important per la seva associació amb una sèrie de problemes sanitaris, amb futurs episodis d'absència; a més a més, té implicacions rellevants per a les organitzacions ocupacionals i la teoria en el domini de l'assistència al treball. En revisar la literatura, un grup de recerca de la UAB ha observat que la majoria dels estudis que estimen la "prevalença" de SP ho fan a la població activa sense excloure els treballadors "sans", que, per definició, no estan en risc de SP. En aquests casos, la població està composta, entre d'altres, per treballadors que no són presentistes perquè mai no han estat malalts, i treballadors que havent estat malalts no van assistir al seu lloc de treball. Noteu que la diferència és rellevant: a grans trets la primera situació ens informa exclusivament sobre l'estat de salut, la segona sobre l'exercici del dret a la baixa per malaltia. Analitzar aquestes dades de la forma clàssica sense tenir en compte aquesta diferència podria conduir a conclusions esbiaixades.

La mostra específica (n = 1564 treballadors), compta amb una proporció de ω = 0.39 individus que van estar malalts almenys una vegada dins del període d'estudi (i, per tant, tenien risc de ser presentistes) i, entre ells, una proporció de p = 0,70 que en realitat eren presentistes. El model matemàtic proposat és capaç d'identificar correctament ambdues fonts de 'zeros': les seves estimacions són 0.37 i 0.74 per ω i p respectivament, mentre que l'enfocament habitual donaria una proporció de presentistes de 0,27 entre els treballadors d’aquesta mostra, ja que l'únic paràmetre observable del model és el producte de tots dos, és a dir, ω ∙ p. 

En general, els models zero-inflats tenen com a objectiu abordar el problema que sorgeix en tenir dues fonts diferents que generen els valors zero observats en una distribució. A la pràctica, això és perquè la població estudiada en realitat consta de dues subpoblacions: una en que el valor zero és per defecte (anomenat zero estructural), i una altra en que és circumstancial (anomenat zero mostral). El nostre model està enfocat a fenòmens que només poden prendre dos valors (veritable o fals, ocurrència o no ocurrència) i és capaç d'incorporar coneixements previs que puguem tenir sobre els paràmetres d'interès. 

La metodologia proposada podria utilitzar-se en una gamma de diferents aplicacions com a control de qualitat, epidemiologia, medicina o gestió de riscos entre moltes altres i s'implementa en forma de paquet (BayesZIB) que es pot instal·lar en un programari estadístic molt potent i popular anomenat "R".