Un análisis multivariado de los costos de seguridad social por accidentes y enfermedades laborales

Autores/as
DOI:
https://doi.org/10.47456/bjpe.v12i2.51575
Palabras clave:
Clustering, Análisis Multivariado, Salud Ocupacional, Seguridad Ocupacional, Seguridad Social
Resumen

El objetivo de este estudio es identificar y caracterizar patrones en la concesión de beneficios de seguridad social relacionados con accidentes y enfermedades ocupacionales en Brasil. Un conjunto de datos de 185.238 beneficios otorgados por el INSS entre 2019 y 2020 fue explorado con técnicas de agrupamiento jerárquico y no jerárquico para identificar grupos distintos de beneficiarios, seguida de un Análisis de Correspondencia Múltiple (ACM) para explorar asociaciones entre variables categóricas. Los resultados revelaron tres clusters, con perfiles diferenciados en cuanto a los tipos de lesiones, rangos salariales y características demográficas. El Cluster 1 se caracteriza por lesiones manuales y por esfuerzos repetitivos entre trabajadores de baja remuneración; el Cluster 2 reúne trastornos musculoesqueléticos y psicológicos entre trabajadores de salarios más elevados; y el Cluster 3 está predominado por lesiones traumáticas entre los trabajadores de menores ingresos. El ACM evidenció asociaciones cohesivas y aisladas entre tipos de beneficios, enfermedades y regiones geográficas. Este estudio proporciona un perfil robusto y basado en datos sobre los costos de seguridad social de los accidentes de trabajo en Brasil, ofreciendo insumos relevantes para formuladores de políticas y profesionales. La identificación de grupos de riesgo distintos y el mapeo de factores asociados fortalecen el desarrollo de políticas de prevención y compensación direccionadas y equitativas.

Biografía del autor/a
  1. Liandra dos Santos Jesus, Federal University of Santa Catarina

    Master in Production Engineering and currently a Ph.D. candidate at the Federal University of Santa Catarina (UFSC). https://orcid.org/0000-0002-1066-1326

  2. Eliél Batistão Freitas, Universidade Estadual de Maringá

    Data Scientist, Statistics B. Sc., Department of Statistics, State University of Maringá. https://orcid.org/0009-0002-2825-737X

  3. Marcelo Coelho Ciorlia, Universidade Estadual de Maringá

    Statistician, Statistics B. Sc., Department of Statistics, State University of Maringá. https://orcid.org/0009-0008-0212-2702

  4. Guilherme Neto Ferrari, Universidade Estadual de Maringá

    Production Engineer, M. Sc. Production Engineering, Teacher at Department of Production Engineer, State University of Maringá. https://orcid.org/0000-0001-6198-2616

  5. Edwin Vladimir Cardoza Galdamez, Universidade Estadual de Maringá

    Production Engineering PhD. Professor in the Production Engineering Department and in the postgraduate programs in Production Engineering and Accounting Sciences at State University of Maringá. https://orcid.org/0000-0002-1763-9332

  6. Gislaine Camila Lapasini Leal, Universidade Estadual de Maringá

    Electrical engineering and industrial computing PhD. Professor in the Production Engineering Department and in the postgraduate programs in Computer Science and Production at State University of Maringá. https://orcid.org/0000-0001-8599-0776

  7. Paulo César Ossani, Universidade Estadual de Maringá

    Statistics and Agricultural Experimentation PhD. Professor in the Department of Statistics, State University of Maringá. https://orcid.org/0000-0002-6617-8085

Referencias

Bolsoni, L. C. (2024). Análise da disparidade salarial entre gêneros no Brasil: uma abordagem estatística [Master's Thesis]. Instituto de Ciências Matemáticas e de Computação. Universidade de São Paulo, USP. https://doi.org/10.11606/d.55.2024.tde-17032025-192127

Botelho, L. H. F., Abrantes, L. A., Ferreira, M. A. M., & Costa, T. de M. T. da. (2018). Análise de fatores influentes na relação entre contribuições e benefícios previdenciários. Revista de Ciências da Administração, 1(3), 23-39. https://doi.org/10.5007/2175-8077.2018v20n52p23

Botelho, L. H. F. & Costa, T. D. M. T. da. (2020). Análise financeira da seguridade e previdência social no Brasil em tempos de reformas fiscais. Revista Catarinense da Ciência Contábil, 19(1), 2922. https://doi.org/10.16930/2237-766220202922

Brasil. (1991). Lei 8.213, de 24 de julho de 1991. Recovered from https://www.planalto.gov.br/ccivil_03/leis/l8213cons.htm

Brasil. (2011). Lei 12.527, de 18 de novembro de 2011. Recovered from https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12527.htm

Brasil. (2016). Decreto 8.777, de 11 de maio de 2016. Recovered from https://legislacao.presidencia.gov.br/atos/?tipo=DEC&numero=8777&ano=2016&ato=c90ATSq1EeZpWT24e

Brasil. (2020). Boletim Estatístico da Previdência Social, BEPS (p. 58). Secretaria da Previdência. Recovered from https://www.gov.br/previdencia/pt-br/assuntos/previdencia-social/copy_of_arquivos/beps122020_final-1.pdf

Brasil. (2025). SMARTLAB. Observatório digital de saúde e segurança no trabalho. Ministério Público do Trabalho. Recovered from https://smartlabbr.org/sst

Cabello, A. F. T., Martínez-Rojas, M., Carrillo-Castrillo, J. A., & Rubio-Romero, J. C. (2021). Occupational accident analysis according to professionals of different construction phases using association rules. Safety Science, 144, 105457. https://doi.org/10.1016/j.ssci.2021.105457

Eyerkaufer, M. L., Bonfante, E. A., Dallabona, L. F., & Fabre, V. V. (2019). Simulador de custos para gestão de riscos de acidentes de trabalho. Revista Catarinense da Ciência Contábil, 18, 1-16. https://doi.org/10.16930/2237-766220192753

Fernandes, F. T. (2021). Machine learning em saúde e segurança do trabalhador: perspectivas, desafios e aplicações [Doctorade Thesis]. Faculdade de Saúde Pública. Universidade de São Paulo, USP. https://doi.org/10.11606/t.6.2021.tde-27012022-140548

Ferrari, G. N., Ossani, P. C., de Souza, R. C. T., Leal, G. C. L., & Galdamez, E. V. C. (2023). Impact of rising temperatures on occupational accidents in Brazil in the period 2006 to 2019: a multiple correspondence analysis. Safety Science, 161, 106078. https://doi.org/10.1016/j.ssci.2023.106078

Gouveia, A. G. P., Horsth, T. A., & Faroni, W. (2017). Análise quantílica dos fatores de influência na arrecadação do regime geral de previdência social em Minas Gerais. Revista Brasileira de Políticas Públicas e Internacionais, 2(2), 135-151. https://doi.org/10.22478/ufpb.2525-5584.2017v2n2.35243

Hämäläinen, P., Takala, J., & Kiat, T. B. (2017). Global estimates of occupational accidents and work-related illnesses 2017 (p. 21). WHS Institute. Recovered from https://www.icohweb.org/site/images/news/pdf/Report%20Global%20Estimates%20of%20Occupational%20Accidents%20and%20Work-related%20Illnesses%202017%20rev1.pdf

Hartigan, J. A. & Wong, M. A. (1979). Algorithm AS 136: a K-Means clustering algorithm. Applied Statistics, 28(1), 100. https://doi.org/10.2307/2346830

Health and Safety Execute - HSE. (2020). Costs to Britain of workplace fatalities and self-reported injuries and ill health, 2018/2019. Health and Safety Execute. Recovered from https://www.hse.gov.uk/statistics/

International Labour Organization - ILO. (2020). Quick guide on sources and uses of statistics on occupational safety and health (p. 58). Recovered from https://www.ilo.org/sites/default/files/wcmsp5/groups/public/%40dgreports/%40stat/documents/publication/wcms_759401.pdf

Kakhki, F. D., Freeman, S. A., & Mosher, G. A. (2019). Evaluating machine learning performance in predicting injury severity in agribusiness industries. Safety Science, 117, 257-262. https://doi.org/10.1016/j.ssci.2019.04.026

Leigh, J. P. (2011). Economic burden of occupational injury and illness in the United States. Milbank Quarterly, 89(4), 728-772. https://doi.org/10.1111/j.1468-0009.2011.00648.x

Madalozzo, R & Artes, R. (2017). Escolhas profissionais e impactos no diferencial salarial entre homens e mulheres. Cadernos de Pesquisa, 47(163), 202–221. https://doi.org/10.1590/198053143666

Menegon, L. da S., Menegon, F. A., & Kupek, E. (2021). Mortalidade por acidentes de trabalho no Brasil: análise de tendência temporal, 2006-2015. Revista Brasileira de Saúde Ocupacional, 46(e8). https://doi.org/10.1590/2317-6369000025219

Ossani, P. C. & Cirillo, M. A. (2025). Multivariate analysis [R package MVar version 2.2.7]. R-Project.org. Recovered from https://cran.r-project.org/package=MVar

Paez, O., Uahinui, T., Genaidy, A., Karwowski, W., Sun, L., & Daraiseh, N. (2006). Estimating uninsured costs of work-related accidents, part II: an incidence-based model. Theoretical Issues in Ergonomics Science, 7(3), 247-260. https://doi.org/10.1080/14639220500090547

Perez, G. de S. (2025). Capital humano e desigualdade: um estudo sobre os salários no Distrito Federal [Professional Master's Degree in Economics]. Universidade de Brasília, Brasília. Recovered from http://repositorio.unb.br/handle/10482/52062

R Core Team. (2023). A Language and environment for statistical computing. R Foundation for Statistical Computing. R Core Team. Recovered from https://www.r-project.org/

Rajabi, F., Jahangiri, M., Alimohammadlou, M., & Kamalinia, M. (2025). Identify and classify common errors, antecedents, outcomes, and mitigation strategies in qualitative and semi-quantitative workplace safety risk management: Integrating grounded theory and systematic literature review. Safety Science, 187, 106851. https://doi.org/10.1016/j.ssci.2025.106851

Reis, B. L. dos, Rosa, A. C. F. da, Machado, A. de A., Wencel, S. L. S. S., Leal, G. C. L., Galdamez, E. V. C., & Thom de Souza, R. C. (2021). Data mining in occupational safety and health: a systematic mapping and roadmap. Production Journal, 31(e20210048). https://doi.org/10.1590/0103-6513.20210048

Rencher, A. C. & Christensen, W. F. (2012). Methods of multivariate analysis. Wiley.

Sá, A. C. M. G. N. de, Gomide, M. H. M., & Sá, A. T. N. de. (2016). Acidentes de trabalho suas repercussões legais, impactos previdenciários e importância da gestão no controle e prevenção: revisão sistemática de literatura. Revista Médica de Minas Gerais, 26(e1825). https://doi.org/10.5935/2238-3182.20160125

Sanni-Anibire, M. O., Mahmoud, A. S., Hassanain, M. A., & Salami, B. A. (2020). A risk assessment approach for enhancing construction safety performance. Safety Science, 121(2), 15-29. https://doi.org/10.1016/j.ssci.2019.08.044

Santana, V. S., Araújo-Filho, J. B., Albuquerque-Oliveira, P. R., & Barbosa-Branco, A. (2006). Acidentes de trabalho: custos previdenciários e dias de trabalho perdidos. Revista de Saúde Pública, 40(6), 1004-1012. https://doi.org/10.1590/s0034-89102006000700007

Sindeaux, R. V., de Souza, R. M. F., Júlia, A. J. V. G., Reis, B. S., Sobral, K. J. B. V., & Martins, K. R. (2025). Salários mais elevados: quem são, onde estão e o que fazem os que ocupam o topo da pirâmide salarial no norte de Minas Gerais. Revista Foco, 18(4), e8142-e8142. https://doi.org/10.54751/revistafoco.v18n4-002

Souza, N. M. de. (1990). Análise de correspondência [Undergraduate Final Projects]. Instituto de Matemática. Estatística: Bacharelado. Universidade Federal do Rio Grande do Sul. Recovered from https://lume.ufrgs.br/handle/10183/134295

Safe Work Australia - SWA. (2017). The cost of work-related injury and illness for Australian employers, workers and the community 2012-13. Safe Work Australia. Recovered from https://www.safeworkaustralia.gov.au/doc/cost-work-related-injury-and-illness-australian-employers-workers-and-community-2012-13

Tenoury, G. N. C. da S., Madalozzo, R. C., & Martins, S. R. (2021). Diferença salarial e taxa de participação no mercado de trabalho brasileiro: uma análise a partir do sexo dos indivíduos. Estudos Econômicos, 51(01), 33-72. https://doi.org/10.1590/0101-41615112grs

Tompa, E., Mofidi, A., Heuvel, S. van den, Bree, T. van, Michaelsen, F., Jung, Y., Porsch, L., Emmerik, M. van, IWH (Institute for Work & Health), TNO (The Netherlands Organisation for Applied Scientific Research), & VVA (Valdani Vicari & Associati). (2019). The value of occupational safety and health and the societal costs of work-related injuries and diseases. European Agency for Safety and Health at Work - EU-OSHA. https://doi.org/10.2802/251128

Varoquaux, G., Buitinck, L., Louppe, G., Grisel, O., Pedregosa, F., & Mueller, A. (2015). Scikit-learn machine learning without learning the machinery. GetMobile: Mobile Computing and Communications, 19(1), 29-33. https://doi.org/10.1145/2786984.2786995

Xu, D. & Tian, Y. (2015). A comprehensive survey of clustering algorithms. Annals of Data Science, 2(2), 165-193. https://doi.org/10.1007/s40745-015-0040-1

Zubaroğlu, A. & Atalay, V. (2020). Data stream clustering: a review. Artificial Intelligence Review, 54. https://doi.org/10.1007/s10462-020-09874-x

Cover Image
La imagen muestra un entorno industrial en el que un trabajador, utilizando equipos de protección personal, brinda asistencia a un compañero que ha sufrido un accidente laboral. La escena evidencia los riesgos inherentes a las actividades productivas y refuerza la importancia de la seguridad laboral, la prevención de accidentes y la gestión de la salud ocupacional. La representación visual se relaciona con el análisis de los costos previsionales asociados a accidentes y enfermedades laborales, destacando la relevancia de enfoques cuantitativos y multivariados para comprender los impactos económicos y sociales en los sistemas productivos. En la parte superior se presenta el título del artículo “Un análisis multivariado de los costos previsionales de accidentes y enfermedades ocupacionales”, seguido de los autores Jesus, L. dos S., Freitas, E. B., Ciorlia, M. C., Ferrari, G., Galdamez, E. V. C., Leal, G. C. L., y Ossani, P. C. (2026). En la esquina inferior se muestra la identificación de la Brazilian Journal of Production Engineering y el ISSN de la revista.
Descargas
Publicado
2026-05-05
Número
Vol. 12 Núm. 2 (2026): Edición regular (Abril - Junio)
Sección
INGENIERÍA DE TRABAJO
Licencia

Derechos de autor 2026 Jesus, L. dos S., Freitas, E. B., Ciorlia, M. C., Ferrari, G., Galdamez, E. V. C., Leal, G. C. L., & Ossani, P. C.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Todas las obras publicadas en la Revista Brasileña de Ingeniería de Producción (BJPE) están bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esto significa que: Cualquier persona puede copiar, distribuir, exhibir, adaptar, remezclar e incluso utilizar comercialmente el contenido publicado en la revista; Siempre que se reconozca debidamente a los autores y a BJPE como fuente original; No se requiere permiso adicional para la reutilización, siempre que se respeten los términos de la licencia. Esta política cumple con los principios de acceso abierto, promoviendo la amplia difusión del conocimiento científico. 🔗 Haga clic aquí para acceder a la licencia completa.

Cómo citar

Jesus, L. dos S., Freitas, E. B., Ciorlia, M. C., Ferrari, G. N., Galdamez, E. V. C., Leal, G. C. L., & Ossani, P. C. (2026). Un análisis multivariado de los costos de seguridad social por accidentes y enfermedades laborales. Brazilian Journal of Production Engineering, 12(2), 24-40. https://doi.org/10.47456/bjpe.v12i2.51575