Análisis de Riesgos con “Datos Actuariales”, George Gray

Center for Risk Science and Public Health

Análisis de Riesgos con “Datos Actuariales”

George Gray

Centro de Ciencias del Riesgo y Departamento de

Salud Pública Ambiental y Ocupacional

Instituto Milken de Salud Pública


Riesgos Actuariales vs Modelados

•  Riesgos Actuariales

•  basados en experiencia previa con el mismo riesgo •  se pueden hacer predicciones con un alto grado de precisión

•  entre los ejemplos se encuentran enfermedades, accidentes de auto, etc.

•  Riesgos Modelados

•  basados en datos y teoría, no en observación directa del

riesgo

•  las predicciones están sujetas a incertidumbre considerable •  entre los ejemplos se encuentran riesgo de cáncer derivado

de sustancias químicas, calentamiento global, etc.


Datos Actuariales

•  Frecuentemente relacionados con seguros

•  Estimar la probabilidad de resultados adversos

•  Temporalidad (curvas de supervivencia)

•  Mitigación

•  Seguro

•  Predicciones basadas en la experiencia con el

resultado específico – frecuentemente con un

componente estocástico


Datos Actuariales

•  El punto clave es que los datos miden el resultado que deseamos evaluar

•  Con frecuencia se requiere hacer modelos para

generar predicciones del efecto de las intervenciones

de gestión de riesgos

•  Las fuentes principales de incertidumbre son el

muestreo (qué tan bien contamos el resultado) y el

papel que juegan otras variables para influir en el

resultado


Ejemplo: Accidentes Fatales de Auto

•  Sistema de Reporte y Análisis Fatales de EUA (FARS)

•  El FARS ha recopilado datos desde 1975

•  Datos sobre aproximadamente 1 millón de accidentes fatales en vehículos automotores

•  Se recopilan más de 100 elementos de datos en el accidente •  Los datos son recopilados de manera voluntaria por medio de

acuerdos de cooperación entre la Administración Nacional de

Seguridad del Tráfico de Carreteras (NHTSA) y cada uno de

los 50 Estados, el Distrito de Columbia y Puerto Rico

•  Para estar incluido en el FARS, un accidente debe involucrar

un vehículo automotor que viaje en una carretera

usualmente abierta al público y que resulte en la muerte de

una persona (ocupante de un vehículo o no ocupante) dentro

de los 30 días siguientes del accidente

THE GEORGE

WASHINGTON

UN IVERSITY

WASHINGTON, DC

FARS

'b$i®t'f1'üi$jl' FUe Vers1ons 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995 1994

MotorV.tltcle Traffk: Crasheos

Fatal Crashes

Trafflc Cra.sh

Fatatftteos

Vohklo Occf.C)I.nts

Ortvers 16,430 16,864 17,670 19,279 21,717 22,831 23,237 23,158 23,352 23,625 22,914 22,914 22,971 22,654 22,no 22,sn 22,370 21,596

Passeneen 5,953 6,451 6,793 7,441 9,187 9,750 10,042 10,171 10,370 10,227 10,451 10,325 10,327 10,765 10,860 10,576 10,294

Unknown 65 56 63 71 101 83 76 104 110 102 86 96 107 114 102 118 108

SlilTotal1

Motorcyctists

Nonmotorlst

22,448 23,371 24,526 26,791 30,527 32,119 33,070 33,276 33,627 34,105 33,243 33,451 33,392 33,088 33,609 33,534 33,064 31,998

4,612 4,518 4,469 5,312 5,174 4,837 4,576 4,028 3,714 3,270 3,197 2,897 2,483 2,294 2,116 2,161 2,227 2,320

Pedestr1ans

Pedalcycltsts

4,432

677

4,302

623

4,109

628

4,414

718

4,795

772

4,675

n1

4,n4

629

4,851

665

4,901

732

4,763

693

5,228

760

5,321

814

5,449

765

5,584

8JJ

5,489

802

Other/ Unknown

198 185 151 188 158 185 186 130 140 114 123 141 149 131 153 154 109

107

Slb Total2

Total'"'

Oth« Natlonal Statktks

Vehlcle Miles Traveled (811llons)

Resident

5,307 5,110 4,888 5,320 5,558 5,752 5,864 5,532 5,543 5,630 5,756 5,597 5,842 6,119 6,288 6,368 6,526 6,398

32,367 32,999 33,883 37,423 41,259 42,708 43,510 42,836 42,884 43,005 42,196 41,945 41,717 41,501 42,013 42,065 41,817 40,716

2,946 2,967 2,957 2,977 3,031 3,014 2,989 2,965 2,890 2,856 2,796 2,747 2,690 2,628 2,552 2,484 2,423 2,358

Populatlon 311,592 309,330 306,m 304,094 301,231 298,380 295,517 292,805 290,108 287,625 284,969 282,162 2n,691 270,248 267,784 265,229 262,803 260,327 (Thousands)

Reatstered Vehk:teos 257,512 257,312 258,958 259,360 257,4n 252,930 247,031 239,364 232,326 227,136 221,2Jo 217,993 212,685 208,076 203,568 201 ,631 197,065 192,497 (Thousands)

Ucensed Ortvers 211,875 210,115 209,618 208,321 205,742 202,810 200,549 198,889 196,166 194,602 191,276 190,625 187,170 184,861 182,709 179,539 176,628 175,403 (Thousands)

NatlonalRates: Fatatttles

Fatalftieos per 100 Mllllon Vehlcle Miles Traveled

Fataltties per 100,000 Populatlon

Fataltties per 100,000 Revisteced Vehlcles

Fataltties per 100,000 llcensed Ortvers

1.10 1.11 1.15 1.26 1.36 1.42 1.46 1.44 1.48 1.51 1.51 1.53 1.55 1.58 1.65 1.69 1.73 1.73

10.39 10.67 11.os 12.31 13.70 14.31 14.n 14.63 14.78 14.95 14.81 14.87 15.30 15.36 15.69 15.86 15.91 15.64

12.57 12.82 13.08 14.43 16.02 16.99 17.71 18.00 18.59 19.06 19.07 19.JJ 19.61 19.95 20.64 20.86 21.22 21.15

15.28 15.71 16.16 17.96 20.05 21.06 21.70 21.54 21.86 22.10 22.06 22.00 22.29 22.45 22.99 23.43 23.68 23.21

Science and Public Health


Utilizar Datos Actuariales

•  La Ley de Seguridad de Transportación de Menores del año 2007 indicó a la Secretaría de Transporte que comenzara a crear regulación para expandir el campo visual requerido de modo que el conductor de un vehículo automotor pueda detectar las áreas detrás de dicho vehículo, con la finalidad de reducir las muertes y lesiones derivadas de incidentes al manejar en reversa

•  “Dicho estándar se puede alcanzar colocando espejos

adicionales, sensores, cámaras u otras tecnologías para

expandir el campo visual del conductor…”


Punto Crítico para Recordar

•  En la siguiente sesión, revisaremos el análisis de métodos alternativos para prevenir accidentes al conducir en reversa

•  En este caso, los datos del FARS están incompletos:

•  La mayoría de los accidentes no suceden en una carretera pública

•  Podría no involucrar a la policía


Ejemplo: Lesiones y Accidentes

Fatales Ocupacionales

•  El Buró de Estadísticas de Trabajo (BLS) del Departamento del Trabajo de EUA recopila datos de las industrias de EUA relativas a la tasa anual y la cantidad de lesiones y enfermedades fatales y no fatales relacionadas con el trabajo

•  Organizado conforme al código del Sistema de Clasificación Industrial Norteamericano de la Oficina del Censo de EUA (NAICS)

•  Se identifica a las industrias con un código de seis dígitos

•  por ej.: la clasificación de manufactura de llantas para vehículo automotor se clasifica en el NAICS con el código 326199


Estimación de Años de Vida Perdidos

•  Como parte del proyecto para examinar las lesiones y accidentes fatales ocupacionales en el Análisis del Ciclo de Vida (LCA), queríamos estimar los años de vida que se pierden a causa de los accidentes fatales

•  Se utilizaron datos del BLS (que incluye la edad al

momento de ocurrir el accidente fatal) y los datos del

censo sobre los años de vida restante a una edad

específica


Utilizar Datos del BLS

Scanlon, K.A., Gray, G.M., Francis, R.A., Lloyd, S.M., y LaPuma, P. (2013) The Work Environment Disability-Adjusted Life Year for Use With Life Cycle Assessments: A Methodological Approach. Environmental Health 6:12-21

Center for R

Ejemplo: Tala Forestal

isk Science and Public Health


Es Crucial Tener Presente

•  ¿Qué tan completo es el reporte de lesiones y accidentes fatales ocupacionales?

•  Estudios realizados por académicos, el BLS y otros

sugieren que no se han contabilizado lesiones y

accidentes fatales

•  Las estimaciones que indican que no se han

contabilizado lesiones y enfermedades no fatales

van desde 0% a 70%*

*Leigh J.P., Marcin, J.P., & Miller, T.R. (2004). An estimate of the U.S. government's undercount of nonfatal occupational injuries. Journal of Occupational & Environmental Medicine, 46, 10-18.


Puntos Clave: Datos Actuariales

•  Los datos actuariales usualmente se enfocan directamente en el resultado de interés – sin necesidad de una extrapolación

•  Las fuentes de incertidumbre se relacionan con la

precisión de los datos y la posibilidad de aplicar los datos

al análisis específico

•  Con frecuencia la incertidumbre es menor que la de los

riesgos que requieren mayor extrapolación y

generalización (por ej.: riesgos contra la salud derivados

de sustancias químicas)


Sistemas de Clasificación y Calificación

•  En ocasiones, los analista de riesgo prefieren utilizar sistemas de clasificación cuando las estimaciones cuantitativas del riesgo son difíciles de elaborar

•  Enfoque cualitativo que pretende brindar un sentimiento

semi-cuantitativo en cuanto a la magnitud de los riesgos

•  Como analistas, deben analizar muy de cerca – los

sistemas tienen el potencial de confundir


Ejemplo: Enfoque Propuesto por la USDA

para ARP

•  La meta del Análisis de Riesgo de Plaga (ARP) es una caracterización del potencial de riesgo de plagas de algas, insectos o enfermedades que puedan introducirse

•  Requiere •  Identificación de plagas •  Evaluar las consecuencias de la introducción

•  Caracterizar el potencial de introducción

•  El enfoque propuesto implicaba la asignación de puntajes (1, 2 o 3) dependiendo de los atributos de la plaga en cada categoría – la caracterización final es la suma de los puntajes de cada categoría


Fortalezas del Enfoque Cualitativo

•  Identificación explícita de la información a ser considerada

•  Flujo de información bien diseñado, incluyendo la identificación de los puntos de detención

•  Documentación de atributos de plagas que contribuyen a un mayor o menor potencial de presencia de plagas


Preocupaciones Acerca del Enfoque Cualitativo

•  Los puntajes podrían no reflejar adecuadamente el riesgo

•  No transmite el grado de incertidumbre en las estimaciones de potencial de plagas

•  No aborda la efectividad de los esquemas de gestión de riesgo


Calificación en el Análisis Cualitativo

Elemento de Riesgo #4: Impacto Económico Las plagas introducidas son capaces de ocasionar una gran variedad de impactos económicos directos e indirectos. Éstos se dividen en tres categorías principales (también pueden presentarse otros tipos de impactos):

•  Menor producción del cultivo huésped, por ej.: al ocasionar mortalidad de las plantas o actuar como vector de enfermedades.

•  Menor valor del producto, por ej.: al aumentar los costos de producción, disminuir el precio de mercado o una combinación de ambos.

•  Pérdida de mercados extranjeros o locales debido a la presencia de una nueva peste de cuarentena

Bajo (1): La plaga ocasiona una o ninguna de los impactos anteriores

Medio (2): La plaga ocasiona dos de los impactos anteriores

Alto (3): La plaga ocasiona tres de los impactos anteriores


¿Los Puntajes Reflejan el Riesgo? Ejemplo Hipotético

% Disminución de Producción

% Disminución de Precio

¿Pérdida de Mercado?

Plaga 1 2 2 Sí ($1M)

Plaga 2 0 No Sí ($50M)

Puntaje de Impacto Económico

Plaga 1 - Alto (3) ocasiona los tres impactos

Plaga 2 – Bajo (1) ocasiona un impacto

•  ¿Cuál es el riesgo mayor?


Calificar el Rango del Huésped

Elemento de Riesgo #2: Rango de Huésped

El riesgo que implica una plaga de planta depende tanto de si capacidad de establecer una población viable reproductiva y su potencial de ocasionar daños a la planta. En el caso de los artrópodos, se asume que el riesgo esté positivamente correlacionado con el rango del huésped. En el caso de patógenos, el riesgo es más complejo y se asume que depende del rango, agresividad, virulencia y patogenicidad del huésped. Para hacerlo simple, el riesgo se califica como una función del rango del huésped.

Bajo (1): La plaga ataca una especie en particular o varias

especies dentro de un género en particular Medio (2): La plaga ataca a varias especies dentro de una

familia particular de plantas Alto (3): La plaga ataca a varias especies entre varias familias de

plantas


Importancia de la Incertidumbre: Ejemplo Hipotético

•  Para algunas plagas, es poco probable contar con datos completos en el rango del huésped, especialmente en una región nueva

•  La asignación de puntajes requiere un buen juicio pero puede estar sujeto a incertidumbre

P(bajo) P(medio) P(alto)

Plaga 1 0.10 0.85 0.05

Plaga 2 0.90 0.05 0.05

Calificación del Rango del Huésped

Plaga 1 - Medio (2)

Plaga 2 - Bajo (1)


¿Por Qué es Importante la Incertidumbre?

•  Quienes gestionan el riesgo pueden dar mucha importancia a los eventos de baja probabilidad pero consecuencias de alta consideración

•  Si la Plaga 2 ocasiona un daño significativo si puede atacar a varias especies entre varias familias de plantas, entonces incluso una baja probabilidad de este evento puede ser significativa

•  La caracterización de la incertidumbre es crítica para entender el valor de la nueva información


Clasificación y Calificación

•  Los sistemas de clasificación y calificación se usan frecuentemente como parte de un enfoque estructurado para análisis de riesgos (por ej.: sustancias químicas Permanente, Bioacumulativas y Tóxicas (PBT)

•  Es útil para establecer prioridades

•  Sea muy cuidadoso con su uso como datos de riesgo en la MIR


Observe los Números Cuidadosamente

Análisis de Riesgos con “Datos Actuariales”, George Gray

Government & Nonprofit