RESUMO

OBJETIVO: describir la accidentalidad laboral en 163.639 registros reportados a una Administradora de Riesgos Laborales durante el año 2011. METODOLOGIA: la exploración de los datos incluyó análisis univariado, or con su respectivo valor de significancia p (aceptado cuando fue menor a 0,05) y un modelo de regresión logística "Wald hacia adelante" con las variables que se comportaron como factores de riesgo y factores protectores. RESULTADOS: El 86,7% de los trabajadores accidentados fueron hombres, el 96,5% de los accidentes de trabajo fue clasificado como propio del trabajo, el 15,0% de los accidentes mortales se ubicó en la explotación carbonera y 469 accidentes de trabajo fueron mortales. Una de las principales dificultades en el análisis de la información se relacionó con la forma en que se consignan las variables en las bases de datos de accidentalidad. El modelo de regresión logística proporcionó información de algunas de las variables que explicaron con más fuerza el accidente de trabajo mortal: sexo masculino (OR: 6,0 IC 95%: 3,7 - 9,8); accidentarse laboralmente por tránsito (OR: 3,2 IC 95% 2,4 - 4,2); accidentarse laboralmente por violencia (OR: 6,1 IC 95%: 4,6 - 8,3) y lesión por asfixia (OR: 12,1 IC 95%: 5,5 - 26,7). CONCLUSION: van orientadas hacia el mejoramiento en el manejo de la información, para tener un panorama más completo de la accidentalidad laboral con el fin de plantear otros tipos de análisis.

OBJECTIVE:to describe 163,639 records of accidents at the workplace reported to an occupational risk management company in 2011. METHODOLOGY: the exploration of the data included univariate analysis, an or with its respective p value for significance (which was accepted when it was less than 0.05) and a "forward Wald" logistic regression model with variables which behaved as risk and protective factors. RESULTS : 86.7% of the injured workers were men, 96.5% of the accidents were classified as being particular to the job being carried out, 15.0% of the fatal accidents occurred in coal mining activities and 469 of the accidents were fatal. One of the main difficulties in the data analysis processwas related to the way in which variables are recorded intoaccident databases.The logistic regression model provided information on some of the variables that most strongly explained fatal work accidents: male gender (or: 6.0, 95% CI 3.7 to 9.8); having transportation-related work accidents (or: 3.2 95% CI 2.4 to 4.2); having violence-related work accidents (or: 6.1, 95% CI 4.6 to 8.3) and asphyxia injury (or: 12.1 95 %: 5.5 to 26.7). CONCLUSION: focus on improving information management in order to get a bigger picture on thestudied issue so that other types of analysis can be proposed.