Presentación del Profr. George Gray, Director del Centro de Riesgo y Salud Pública de la Universidad George Washington, en el Taller sobre Evaluación de Riesgo y Análisis de Impacto Regulatorio, Sesión 7, México, 9-11 Junio 2014. Información adicional disponible en: http://www.oecd.org/gov/regulatory-policy/
Análisis de Riesgos con “Datos Actuariales”, George Gray
1. 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
2. Center for Risk Science and Public Health
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.
3. Center for Risk Science and Public Health
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
4. Center for Risk Science and Public Health
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
5. Center for Risk Science and Public Health
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
7. Center for Risk 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…”
8. Center for Risk Science and Public Health
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
9. Center for Risk Science and Public Health
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
10. Center for Risk Science and Public Health
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
11. Center for Risk Science and Public Health
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
13. Center for Risk 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.
14. Center for Risk Science and Public Health
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)
15. Center for Risk Science and Public Health
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
16. Center for Risk Science and Public Health
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
17. Center for Risk Science and Public Health
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
18. Center for Risk Science and Public Health
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
19. Center for Risk Science and Public Health
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
20. Center for Risk Science and Public Health
¿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?
21. Center for Risk Science and Public Health
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
22. Center for Risk Science and Public Health
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)
23. Center for Risk Science and Public Health
¿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
24. Center for Risk Science and Public Health
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
25. Center for Risk Science and Public Health
Observe los Números
Cuidadosamente