Académique Documents
Professionnel Documents
Culture Documents
Los
Determinantes
de
la
Duración
de
Licencias
Médicas
en
Chile:
Evidencia
desde
FONASA
Jean
Sepúlveda1,
Rodrigo
Castro2,
Liliana
Jadue3
Abstract
El
uso
y
abuso
de
las
licencias
médicas
ha
estado
sometido
a
una
amplia
discusión
en
el
debate
público
chileno
en
elñ
último
tiempo,
debido
principalmente
a
los
grandes
costos
que
éstas
significan
y
a
los
posibles
incentivos
perversos
que
puede
generar
un
marco
regulatorio
inadecuado.
El
actual
marco
regulatorio
para
el
otorgamiento
de
licencias
médicas
ha
generado
incentivos
perversos
en
el
sentido
que
estos
subsidios
de
salud
han
estado
permeables
a
los
fraudes.
En
la
práctica,
como
en
todo
seguro,
el
sistema
se
enfrenta
a
los
problemas
de
selección
adversa
y
riesgo
moral
que
encarecen
la
operación
del
sistema
de
subsidios
por
incapacidad
laboral.
El
presente
estudio
utiliza
la
base
de
datos
de
todas
las
licencias
médicas
que
se
otorgaron
a
trabajadores
afiliados
a
FONASA,
en
Chile
durante
los
años
2010,
2011
y
2012.
Se
estimo
un
modelo
para
determinar
cómo
una
serie
de
variables
afecta
a
la
duración
de
las
licencias
médicas.
Se
descartaron
las
licencias
médicas
asociadas
a
la
maternidad
por
responder
a
una
naturaleza
distinta
a
las
licencias
por
enfermedades
no
laborales.
Se
usaron
dos
metodologías,
el
modelo
de
riesgo
proporcional
de
Cox
y
un
modelo
Logístico
Ordenado.
Los
resultados
muestran
que,
una
vez
que
se
controla
por
la
enfermedad
que
da
origen
a
la
licencia,
las
mujeres
tienen
licencias
médicas
con
una
menor
duración
esperada,
que
en
aquellos
sectores
y
ocupaciones
con
mayores
ingresos,
la
probabilidad
de
tener
licencias
largas
es
menor
y
que
a
mayores
tasas
de
desempleo
mayor
es
la
probabilidad
de
tener
licencias
mas
duraderas.
Al
respecto,
se
interactuó
la
variable
desempleo
con
el
indicador
de
enfermedades
del
sistema
nervioso
y
se
obtiene
que
en
periodos
en
que
aumenta
la
tasa
de
desempleo,
las
licencias
por
enfermedades
como
estrés
tienen
una
menor
probabilidad
de
extenderse
en
el
tiempo,
es
decir
tienden
a
ser
más
cortas
que
en
periodos
de
bajo
desempleo.
Los
resultados
muestran
además
que
los
trabajadores
del
sector
público
tienen
una
menor
probabilidad
de
tener
licencias
largas.
Finalmente,
la
probabilidad
de
tener
licencias
largas
es
menor
el
año
2012
en
relación
al
2010
y
2011
1
Facultad de Economía y Negocios, Universidad del Desarrollo
2
Genesis Consultores
3
Facultad de Medicina CAS Universidad del Desarrollo
Introducción
El
uso
y
abuso
de
las
licencias
médicas
ha
estado
sometido
a
una
amplia
discusión
en
el
debate
público
chileno
en
el
último
tiempo,
debido
principalmente
a
los
grandes
costos
que
éstas
significan
y
a
los
posibles
incentivos
perversos
que
puede
generar
un
marco
regulatorio
inadecuado.
Datos
de
la
Superintendencia
de
Salud
muestran
que
el
gasto
en
licencias
(común
o
curativa,
reposo
maternal
y
enfermedad
grave
de
hijo
menor
de
un
año)
ascendió
a
$758.344
millones
en
el
año
2009,
cifra
que
presentó
un
aumento
de
un
109%
con
respecto
al
año
2001.
Esto
corresponde
a
una
tasa
compuesta
promedio
de
9.7%
de
crecimiento
anual.
En
el
año
2009
las
licencias
médicas
comunes
o
curativas
representan
un
73%
del
total
del
gasto
en
licencias
médicas,
mientras
que
en
el
2001
estas
alcanzaban
un
69%
del
total
del
gasto
en
subsidios
por
incapacidad
laboral.
Pezoa
(2010)
muestra
que
el
gasto
en
subsidios
por
licencias
médicas
curativas
crece
120,1%
entre
los
años
2001
y
2009.
Lo
anterior
se
desagrega
en
un
crecimiento
de
221,8%
en
FONASA
y
en
un
crecimiento
de
45,8%
en
el
sistema
ISAPRE.
En
el
año
2009
FONASA
absorbe
el
61,7%
del
gasto
país
en
licencias
curativas,
sin
embargo,
cabe
hacer
notar
que
en
el
mismo
periodo
el
número
de
cotizantes
en
FONASA
aumenta
un
47,4%,
mientras
que
en
el
sistema
ISAPRE
estos
aumentan
un
0,1%.
El
actual
marco
regulatorio
para
el
otorgamiento
de
licencias
médicas
ha
generado
incentivos
perversos
en
el
sentido
que
estos
subsidios
de
salud
han
estado
permeables
a
los
fraudes
En
la
práctica,
como
en
todo
seguro,
el
sistema
se
enfrenta
a
un
problema
de
Selección
Adversa
y
de
Riesgo
Moral
que
encarecen
la
operación
del
sistema
de
subsidios
por
incapacidad
laboral.4
Asimismo,
cabe
destacar
que
el
otorgamiento
de
una
licencia
médica
es
un
acto
muchas
veces
discrecional,
que
no
se
rige
necesariamente
por
protocolos
médicos
o
pautas
objetivas,
lo
cual
se
acentúa
en
trastornos
asociados
a
la
esfera
de
la
salud
mental,
cuya
evolución
tiene
mayor
variabilidad
que
otras
enfermedades.
Basta
señalar
que
al
evaluar
el
problema
de
sobreutilización
de
estos
subsidios
y
el
consecuente
sobregasto
no
se
busca
desconocer
los
méritos
que
justifican
la
existencia
de
un
seguro
de
incapacidad
laboral.
En
efecto,
este
subsidio
permite
el
debido
reposo
y
una
adecuada
recuperación
por
enfermedades
curativas,
y
la
protección
y
disminución
de
los
riesgos
de
salud
de
la
madre
trabajadora
y
del
niño
menor
de
un
año.
4
En este contexto, Selección Adversa se refiere a que aquellos más enfermizos están más dispuestos a cotizar en el
sistema, mientras que Riesgo Moral describe la situación en que una persona que goza de buena salud y que cotiza
en el sistema puede tener un incentivo a solicitar licencias médicas ya que el sistema se las paga.
Importa
destacar
que
en
Chile
este
subsidio
cuenta
con
una
cobertura
del
100%
de
la
remuneración
imponible
del
trabajador,
con
un
tope
de
70,3
UF5
y
con
un
deducible
de
tres
días,
que
desaparece
cuando
la
licencia
es
de
más
de
diez
días.
Para
los
trabajadores
del
sector
público
no
existe
deducible,
es
decir
se
paga
la
licencia
desde
el
primer
día.
El
caso
de
las
licencias
maternales
y
la
protección
del
hijo
menor
de
un
año
cuentan
con
su
propio
marco
regulatorio
y
un
mecanismo
de
financiamiento
diferente,
con
garantía
del
estado,
por
lo
cual
su
evolución
ha
sido
diferente
de
las
licencias
por
enfermedad
común.
Al
comparar
con
otros
países,
se
encuentra
que
el
régimen
de
licencias
médicas
generalmente
consiste
en
el
pago
de
un
50%
a
75%
del
ingreso
promedio
del
trabajo
de
los
meses
anteriores,
con
un
tope
para
los
beneficios.
El
tiempo
que
se
puede
obtener
el
beneficio
se
limita
generalmente
a
26
semanas
en
un
año
por
una
misma
enfermedad,
para
pasar
a
recibir
un
subsidio
por
discapacidad
(permanente)
si
la
enfermedad
continúa.
Así
por
ejemplo,
en
Italia,
el
seguro
reembolsa
sólo
un
50%
del
salario
desde
el
día
4
al
20,
y
luego
un
66,6%
hasta
los
180
días.
En
España
se
financia
el
60%
del
ingreso
del
trabajador
a
partir
del
cuarto
día,
y
sólo
en
caso
que
esta
licencia
exceda
los
20
días,
el
financiamiento
aumenta
a
un
75%
de
la
remuneración.
El
caso
mexicano
es
similar,
ya
que
el
financiamiento
de
las
licencias
médicas
es
por
un
60%
de
la
remuneración
a
partir
del
cuarto
día.
La
comparación
con
países
desarrollados
debe
tomar
en
cuenta
que
el
menor
subsidio
de
las
remuneraciones
(60%
de
otros
países
contra
100%
de
Chile)
en
caso
de
enfermedad
de
sus
trabajadores
es
compensado
por
un
elevado
financiamiento
de
las
prestaciones
de
salud.
La
experiencia
internacional
muestra
que
las
licencias
médicas
son
muy
sensibles
a
reducciones
en
el
porcentaje
de
reembolso
de
las
mismas,
es
decir,
las
rebajas
en
esta
cobertura
repercuten
en
un
menor
número
de
licencias
médicas.
En
el
caso
de
Suecia,
en
1991
se
rebajaron
los
reembolsos
para
todo
tipo
de
licencias
médicas,
y
la
respuesta
fue
una
reducción
de
un
23%
en
el
número
de
licencias
médicas
(Brostrom
et
al.
(1998)
y
Cassel
et
al.
(1996)).
En
la
misma
línea,
simulaciones
basadas
en
el
alza
del
subsidio
de
ausentismo
laboral
por
enfermedad,
para
dos
estados
de
Estados
Unidos,
muestra
diferencias
en
el
promedio
de
días
perdidos
por
ausentismo
de
hasta
un
63%
y
diferencias
en
el
promedio
de
duración
de
licencias
por
enfermedades
similares
de
66%
(Gilleskie,
1998).
Asimismo,
Meyer
(2005)
estima
elasticidades
tiempo
ausente
laboral
respecto
a
beneficios
de
0.3
a
0.4.
Esto
deja
en
evidencia
que
el
sistema
chileno
tiene
mayor
cobertura
que
los
casos
mencionados
anteriormente
y
por
tanto
podría
existir
espacio
para
modificar
el
régimen
de
licencias
médicas.
La
reforma
al
sistema
de
licencias
médicas
en
Alemania
durante
1996
implicó
ahorros
aproximados
de
1.5
Billones
de
euros
por
costos
laborales
directos
e
indirectos
en
la
disminución
de
las
ausencias.
Estimaciones
respecto
a
la
misma
reforma
señalan
la
creación
de
50.000
nuevos
empleos
(ver
Ziebarth
et
al.,
2009).
Estudios
realizados
en
Noruega
indican
que
variables
externas,
relativas
al
ciclo
económico,
tienen
un
efecto
sustancial
en
el
comportamiento
de
trabajadores,
especialmente
a
lo
que
se
refiere
a
tasas
de
solicitud
de
licencias
médicas
o
de
5
Al año 2013.
recuperación,
por
ejemplo,
en
tiempos
de
contracción
económica
se
registran
menores
tasas
de
recuperación
y
mayores
tasas
de
recaída
(Askildsen
et
al.,
2005)
Estudios
en
el
mismo
país
sobre
la
evolución
de
las
tasas
de
recuperación
(fin
del
pago
de
subsidio
por
enfermedad)
muestran
que
estas
aumentan
al
momento
de
cumplirse
el
fin
de
los
beneficios
(Nordberg,
2003).
Un
análisis
de
correlación
simple
muestra
una
relación
positiva
entre
la
generosidad
del
subsidio
de
licencia
médica
y
los
días
de
ausencia.
Asimismo
se
encuentra
una
correlación
positiva
entre
las
diferencias
de
ingreso
de
países
vecinos
y
días
de
licencias,
debido
al
incentivo
de
buscar
trabajo
en
el
mercado
negro
del
país
con
más
ingreso,
mientras
se
continúa
recibiendo
el
subsidio
en
el
país
de
origen
(Osterkamp,
2005).
A
la
luz
de
estos
antecedentes,
creemos
que
resulta
necesario
explicar
la
duración
de
licencias
médicas
en
términos
de
atributos
distintos
a
la
enfermedad
que
da
origen
a
esta.
Entender
dicha
función
(duración
de
una
licencia
médica)
permitiría
identificar
potenciales
incentivos
a
la
solicitud
de
una
licencia
médica
y
por
lo
tanto
desarrollar
estrategias
que
permitan
la
reducción
de
las
mismas,
liberando,
de
esta
forma,
recursos
que
podrían
usarse
en
mejorar
la
calidad
de
las
prestaciones
de
salud
especialmente
en
el
sector
público.
El
estudio
propuesto
permitirá
determinar
cuáles
son
las
variables
que
explican
la
duración
de
una
licencia,
a
diferencia
de
Beteta
y
Willington
(2010)
que
determina
las
variables
que
explican
la
solicitud
de
una
licencia
médica.
El
análisis
se
realizara
en
2
partes.
En
primer
lugar
se
estudiará
cuáles
son
las
variables
que
ayudan
a
explicar
la
probabilidad
de
que,
dado
que
a
una
persona
se
le
ha
aceptado
una
licencia
médica
en
el
sistema
FONASA,
ésta
sea
de
3
días
o
menos,
de
entre
4
y
10
días
o
de
más
de
10
días.
Es
decir,
se
analiza
duración
en
intervalos.
Esto
se
llevara
a
cabo
mediante
un
análisis
de
regresión
del
tipo
Logistico
Ordenado.
En
segundo
lugar
se
estudiará
cuáles
son
las
variables
que
ayudan
a
explicar
la
probabilidad
que,
dado
que
una
licencia
médica
ha
sido
aceptada
en
el
sistema
FONASA,
ésta
se
extienda
por
un
día
adicional.
Para
esto
se
utilizará
un
análisis
de
duración
del
tipo
Cox.
Este
análisis
hará
un
aporte
al
establecer
los
efectos
sobre
la
probabilidad
de
duración
de
licencias
médicas
en
el
sistema
FONASA
de
variables
como
sector
productivo
en
que
laboral
el
trabajador,
etapa
en
el
ciclo
económico
(desempleo,
crecimiento
del
PIB)
en
que
se
encuentra
el
país
al
momento
de
la
licencia
médica
y
región
de
residencia
del
trabajador.
Dichas
variables
nunca
han
sido
estudiadas
para
Chile.
Esto
además
de
incluir
las
variables
género,
edad
y
tipo
de
enfermedad
por
la
que
se
genera
la
licencia
médica.
Este
estudio
representa
un
aporte
respecto
a
estudios
previos.
En
efecto,
este
complementa
el
estudio
de
Beteta
y
Willingtom
(2010)
ya
que
mientras
ellos
estudian
la
solicitud
de
licencias
utilizando
datos
de
una
encuesta
a
360
cotizantes
del
sistema
de
salud
en
Santiago,
nuestro
estudia
la
duración
de
una
licencia
utilizando
la
información
de
todas
las
licencias
otorgadas
a
cotizantes
(sin
identificación)
del
sistema
FONASA
durante
el
periodo
2010-‐2012
en
todas
las
regiones
del
país,
esto
corresponde
a
mas
de
10
millones
de
observaciones
lo
que
le
da
robustez
a
los
resultados.
La
importancia
del
estudio
radica
en
que
los
resultados
permitirán
tomar
decisiones
de
política
pública
respecto
a
por
ejemplo
una
eventual
modificación
del
marco
regulatorio
actual
(deducibles)
como
una
forma
de
desincentivar
el
uso
inadecuado
de
licencias
extensas.
Su
impacto
es
a
nivel
nacional.
Revisión
de
la
literatura
La
literatura
nacional
e
internacional
sobre
ausentismo
laboral
por
enfermedades
no
asociadas
al
trabajo
es
escasa.
A
nivel
teórico
Allen
(1981)
desarrolla
un
modelo
que
testea
con
datos
de
los
Estados
Unidos
y
encuentra
que
la
probabilidad
de
ausentarse
del
trabajo
disminuye
con
el
ingreso
y
la
edad.
A
nivel
empírico,
Ziebarth
et
al.
(2009)
estudia
los
efectos
de
la
reforma
al
sistema
de
seguros
por
licencias
médicas
en
Alemania
y
encuentran
que
la
rebaja
en
la
cobertura
desde
un
100%
hasta
un
80%
del
ingreso
mensual
generó
ahorros
por
cerca
de
1.5
Billones
de
euros
por
costos
laborales
directos
e
indirectos
debido
a
la
disminución
de
las
ausencias
laborales.
Askildsen
et
al.
(2005)
estudia
la
relación
entre
el
ciclo
económico
noruego
y
el
nivel
de
ausencias
laborales
y
reporta
caídas
en
los
niveles
de
ausentismo
cuando
aumenta
el
desempleo.
Martínez
(1999)
estudia
las
variables
que
afectan
el
pedir
licencia
médica
en
Chile
con
una
muestra
de
864
individuos
de
una
institución
de
salud
privada
en
el
año
1998
y
encuentra
que
a
mayor
edad
e
ingreso
cae
la
probabilidad
de
pedir
licencia
médica.
Dicho
estudio
no
investiga
la
duración
de
las
licencias
médicas
y
se
centra
sólo
en
datos
de
una
ISAPRE.
Rodríguez
y
Tokman
(2001)
describen
el
sistema
Chileno
y
muestran
su
evolución
a
nivel
agregado.
Castro
y
Sepúlveda
(2009)
estudian
los
determinantes
del
uso
y
duración
de
licencias
médicas
en
Chile
en
base
a
datos
de
las
dos
más
grandes
ISAPRES
Chilenas
y
encuentran,
que
la
probabilidad
de
uso
y
duración
de
una
licencia
aumenta
si
el
trabajador
es
mujer
y
a
mayor
edad,
aunque
el
efecto
de
la
edad
sobre
dichas
probabilidades
es
cuadrático.
Además
encuentran
que
la
probabilidad
de
uso
y
duración
de
una
licencia
cae
cuando
aumenta
el
ingreso
mensual
del
trabajador
y
dicha
caída
es
muy
pronunciada
cuando
el
trabajador
obtiene
60UF 6
o
más
de
ingreso
mensual.
Finalmente
encuentran
que
aumentos
en
la
tasa
de
desempleo
hace
caer
la
probabilidad
de
uso
y
duración
de
licencias
médicas
y
que
una
mayor
tasa
de
crecimiento
del
Producto
Interno
Bruto
(PIB)
hace
aumentar
la
probabilidad
de
uso
y
duración
de
licencias
médicas.
Beteta
y
Willington
(2010)
realizan
una
encuesta
a
360
cotizantes
del
sistema
de
salud
en
la
ciudad
de
Santiago
para
determinar
las
variables
que
explican
la
solicitud
de
una
licencia
médica
y
encuentran,
entre
varios
resultados,
que
trabajadores
satisfechos
en
su
trabajo
hacen
menor
uso
de
licencias
médicas,
que
las
mujeres
con
hijos
menores
de
3
años
presentan
más
licencias
médicas
y
que
quienes
perciben
tener
buena
salud
hacen
menor
uso
de
licencias
médicas.
Aunque
interesante,
este
estudio
se
basa
en
las
respuestas
a
una
encuesta
y
las
personas
pudieran
elegir
no
reportar
fielmente
su
realidad.
Este
estudio
además
no
posee
variables
de
ingreso
y
del
ciclo
económico.
En
las
variables
en
que
coincide
con
Castro
y
Sepúlveda
(2009),
los
resultados
son
cualitativamente
similares.
En
un
estudio
reciente
Miranda,
Alvarado
y
Kaufman
(2012)
exploran
las
principales
características
de
la
duración
de
las
licencias
médicas
por
“trastornos
mentales
y
del
comportamiento”
en
el
sistema
FONASA
durante
el
2008
y
muestran,
entre
otros
datos,
6
60 UF era el tope de subsidio por incapacidad laboral en el año 2009.
que
la
edad
promedio
de
los
beneficiados
con
este
tipo
de
licencias
es
de
36,9
años
y
que
las
mujeres
reciben
cinco
veces
más
licencias
de
este
tipo
que
los
hombres
en
dicho
año.
Datos
FONASA
facilitó
una
base
de
datos
con
10.188.362
observaciones
que
corresponden
al
total
de
licencias
médicas
otorgadas
y
procesadas
desde
Enero
del
2010
a
Diciembre
del
2012.
Con
esta
base
de
datos
y
otras
fuentes
se
construyen
las
variables
a
utilizar
en
este
estudio.
La
tabla
1
a
continuación
muestra
las
variables
utilizadas
en
el
estudio.
Tabla
1:
Descripción
de
variables
utilizadas
en
el
estudio.
Variable
Descripción
Fuente
Observación
Genero
Corresponde
al
genero
de
A
partir
de
esta
la
persona
a
la
cual
se
le
información
se
construye
otorga
la
licencia
médica.
la
variable
binaria
Mujer
FONASA
que
toma
valor
1
si
la
persona
a
la
que
se
le
otorga
la
licencia
es
mujer
y
0
si
no.
Edad
Edad
en
años
del
FONASA
cotizante.
Tipo
de
Licencia
Identifica
el
tipo
de
la
licencia
de
entre
una
de
las
7
siguientes
categorías:
enfermedad
o
accidente
No
se
utilizan
en
el
no
del
trabajo,
prorroga
estudio
las
licencias
medicina
preventiva,
FONASA
maternales
y
las
licencias
licencia
maternal,
por
enfermedad
grave
enfermedad
grave
hijo
hijo
menor
de
1
año.
menor
de
1
año,
accidente
del
trabajo,
enfermedad
profesional
y
patologías
del
embarazo.
Fecha
de
Emisión
Fecha
en
que
se
otorga
la
FONASA
licencia.
Días
Otorgados
Número
de
días
otorgados
Esta
es
la
variable
en
la
licencia.
utilizada
para
el
modelo
de
sobrevivencia
y
a
partir
de
esta
variable
se
FONASA
construye
la
variable
dependiente
para
el
modelo
logístico.
Tipo
de
Reposo
Puede
ser
reposo
total
o
FONASA
reposo
parcial.
Profesión
Prestador
Identifica
la
profesión
de
quien
emite
la
licencia.
FONASA
Puede
ser
médico,
dentista
o
matrona.
Código
del
Diagnostico
Código
CEI-‐10
que
La
base
contiene
los
3
identifica
la
enfermedad
primeros
dígitos
del
que
causa
la
licencia.
código
con
lo
que
se
FONASA
identifican
los
22
capítulos
de
enfermedades.
Actividad
Laboral
Describe
el
sector
A
partir
de
esta
variable
económico
en
el
que
se
se
crean
variables
binarias
FONASA
desempeña
el
trabajador.
para
describir
10
sectores
económicos.
Ocupación
Describe
la
ocupación
del
A
partir
de
esta
variable
trabajador
de
entre
20
se
crean
variables
binarias
FONASA
posibles
opciones.
Algunas
para
describir
9
posibles
son
redundantes.
ocupaciones.
Calidad
Trabajador
Clasifica
al
trabajador
en
una
de
las
4
opciones
siguientes:
trabajador
sector
público,
trabajador
sector
público
no
afecto
a
FONASA
ley
18834/89,
trabajador
dependiente
sector
privado
y
trabajador
independiente.
Región
Variable
que
permite
identificar
la
región
en
la
FONASA
cual
fue
presentada
la
licencia
médica.
Duración
Variable
que
toma
valor:
0
si
la
licencia
es
otorgada
Corresponde
a
la
variable
por
3
días
o
menos,
1
si
es
Construida
a
partir
dependiente
en
el
modelo
otorgada
por
más
de
3
días
de
la
variable
Días
Logístico
Ordenado
que
se
y
hasta
10
días,
y
2
si
es
Otorgados.
presenta
en
la
otorgada
por
más
de
10
metodología.
días.
Tasa
de
Desempleo
Tasa
mensual
de
INE
desempleo
regional
La
tabla
2
muestra
la
distribución
de
las
observaciones
por
año,
se
observa
que
cada
año
aporta
aproximadamente
un
tercio
del
total.
La
tasa
de
crecimiento
compuesta
de
las
licencias,
a
través
de
FONASA,
es
de
1,28%
anual.
Tabla
2:
Licencias
Médicas
otorgadas
a
través
de
FONASA,
por
año.
Año
Frecuencia
Proporción
%
Prop.
Acum
%.
2010
3,337,919
32.76
32.76
2011
3,382,097
33.2
65.96
2012
3,468,346
34.04
100
Total
10,188,362
100
La
tabla
3
presenta
el
total
de
licencias
por
tipo
de
enfermedad
que
la
genera.
Este
estudio
centrará
su
análisis
en
las
licencias
que
se
originan
por
enfermedad
o
accidente
no
del
trabajo.
Tabla
3:
Desglose
de
Licencias
FONASA,
por
Enfermedad
que
la
genera
en
el
periodo
2010-‐
2012
Tipo
de
Licencia
Frecuencia
Proporción
%
Prop.
Acum.
%
ENFERMEDAD
O
ACCIDENTE
NO
DEL
TRABAJO
8,391,174
82.36
82.36
PRORROGA
MEDICINA
PREVENTIVA
1,151
0.01
82.37
LICENCIA
MATERNAL
463,110
4.55
86.92
ENFERMEDAD
GRAVE
HIJO
MENOR
DE
1
AÑO
768,116
7.54
94.46
ACCIDENTE
DEL
TRABAJO
127,855
1.25
95.71
ENFERMEDAD
PROFESIONAL
10,596
0.1
95.82
PATOLOGIAS
DEL
EMBARAZO
426,360
4.18
100
Total
10,188,362
100
Metodología
Se
utilizan
dos
métodos
complementarios.
En
primer
lugar
se
realiza
un
análisis
de
sobrevivencia
para
explicar
la
duración,
en
días,
de
la
licencia
médica.
Aquí
la
variable
de
duración
corresponde
a
los
días
por
los
cuales
el
profesional
emitió
la
licencia
médica.
Cuando
se
realiza
un
análisis
de
duración
donde
intervienen
varias
variables
explicativas
y
en
particular
cuando
más
de
alguna
de
estas
es
continua,
es
común
utilizar
una
Regresión
Cox
(Rabe-‐Hesketh
and
Everitt,
2004).
La
función
de
riesgo
mide
la
probabilidad
de
que
un
individuo
‘falle’
en
un
determinado
momento,
dado
que
ha
‘sobrevivido’
hasta
ese
momento.
En
este
caso,
la
probabilidad
de
que
termine
la
licencia
el
día
t,
dado
que
ya
cumple
t
días
de
licencia.
En
éste
se
toma
como
referencia
una
función
o
tasa
de
riesgo,
que
corresponde
a
la
del
individuo
promedio
o
representativo.
Este
modelo
se
formula
en
términos
de
la
tasa
de
riesgo,
condicionado
en
ciertas
variables.
Es
importante
recordar
que
la
tasa
de
riesgo
no
representa
una
probabilidad
verdadera
ya
que
ésta
puede
ser
mayor
a
1.
En
este
análisis,
los
coeficientes
se
interpretan
como
cambios
proporcionales
de
la
función
respecto
a
la
referencia.
Esta
referencia
en
cada
variable,
sería
aquella
categoría
que
tenga
un
coeficiente
igual
a
1.
Los
coeficientes
del
resto
de
las
categorías
se
interpretan,
entonces,
como
la
propensión
a
dejar
la
licencia
médica
con
respecto
a
la
referencia.
Posterior
a
este
análisis
y
para
dar
robustez
a
los
resultados,
se
estima
un
modelo
Logístico
Ordenado.
Aquí
los
días
de
duración
se
agrupan
en
tres
posibles
categorías
las
cuales
tienen:
valor
0
si
la
licencia
se
otorga
por
3
días
o
menos,
valor
1
si
la
licencia
dura
entre
4
y
10
días
y
valor
2
si
la
licencia
se
otorga
por
mas
de
10
días.
Este
método
estima
el
impacto
de
las
variables
explicativas
sobre
la
probabilidad
de
que
la
licencia
otorgada
pertenezca
a
una
de
las
tres
categorías
antes
definidas.
Modelamos
dichas
categoría
en
función
de
variables
demográficas,
el
tipo
de
enfermedad,
sector
económico,
ocupación
y
variables
macroeconómicas.
Se
utilizan
además
2
variables
binarias
que
denotan
los
años
2011
y
2012.
El
2010
es
el
año
base
y
por
lo
tanto
es
capturado
por
el
intercepto.
Finalmente,
se
obtienen
los
efectos
marginales
a
partir
de
los
estimadores
Logísticos,
esto
es,
cómo
cambia
la
probabilidad
que
la
duración
de
la
licencia
médica
esté
contenida
en
una
de
las
categorías
antes
mencionadas,
cuando
cambia
una
de
las
variables
explicativas.
Resultados
Análisis
de
Duración
La
figura
1
muestra
la
estimación
de
Kaplan-‐Meier
para
la
muestra
bajo
análisis
y
en
done
se
ha
truncado,
para
efectos
visuales,
el
análisis
del
tiempo
de
duración
de
una
licencia
a
50
días.
Se
presentan
aquí
los
estimadores
de
sobrevivencia
por
genero.
Se
observa
que
la
probabilidad
de
que
la
licencia
dure
más
en
el
tiempo
es
menor,
para
cualquier
duración,
en
la
mujer.
Figura
1
Kaplan-Meier survival estimates
1.00
0.75
0.50
0.25
0.00
0 10 20 30 40 50
analysis time
Men Women
La
figura
2
presenta
dichos
estimadores
separados
por
trabajadores
del
sector
publico
y
privado.
Se
observa
que
la
probabilidad
de
sobrevivencia
de
una
licencia
es
siempre
menor
en
los
trabajadores
del
sector
público.
La
figura
3
muestra
una
comparación
entre
la
región
metropolitana
y
el
resto
de
las
regiones.
Se
observa
que
la
probabilidad
de
que
una
licencia
se
extienda
en
el
tiempo
es
menor
para
trabajadores
de
la
región
metropolitana
para
duraciones
cercanas
a
las
10
días
y
hasta
los
30
días.
Como
muestra
la
figura
4,
parte
importante
de
esta
diferencia
entre
la
región
metropolitana
y
el
resto
de
las
regiones
se
explica
por
el
comportamiento
de
las
licencias
médicas
en
la
región
del
Biobío.
En
efecto,
en
esta
región
las
licencias
médicas
tienen
una
Figura
2
Kaplan-Meier survival estimates
1.00
0.75
0.50
0.25
0.00
0 10 20 30 40 50
analysis time
1.00
0.75
0.50
0.25
0.00
0 10 20 30 40 50
analysis time
0 10 20 30 40 50
analysis time
Mujer
-‐0,117
0,001
-‐72,33
0,000
Edad
0,013
0,000
35,67
0,000
Edad2
0,000
0,000
39,85
0,000
Sector
Agrícola
0,288
0,004
69,34
0,000
Minería
-‐0,018
0,008
-‐2,25
0,024
Industria
-‐0,207
0,004
-‐48,64
0,000
Construcción
0,252
0,005
47,14
0,000
Electricidad
0,054
0,012
4,53
0,000
Comercio
0,014
0,002
5,05
0,000
Transporte
0,127
0,004
27
0,000
Servicios
-‐0,061
0,004
-‐12,94
0,000
Servicios
Estatales
-‐0,160
0,002
-‐76,34
0,000
La
tabla
5.1
muestra
las
variables
de
ocupación.
Se
observa
que
sólo
los
vendedores
y
los
trabajadores
de
casa
particular
tienen
una
mayor
probabilidad
de
tener
licencias
de
mayor
duración.
Tabla
5.1
:
Estimación
Logística
Ordenado,
Ocupación.
Duración
Coeficiente
Error
Estándar
z
Prob.>z
Ocupación
Profesor
-‐0,1402
0,0042
-‐33,58
0,0000
Ejecutivo
-‐0,0576
0,0123
-‐4,67
0,0000
Profesional
-‐0,3786
0,0036
-‐104,86
0,0000
Técnico
-‐0,1378
0,0031
-‐44,52
0,0000
Vendedor
0,1372
0,0033
41,05
0,0000
Administrativo
-‐0,1437
0,0024
-‐59,38
0,0000
Operario
-‐0,0065
0,0020
-‐3,23
0,0010
Casa
particular
0,6488
0,0065
99,34
0,0000
La
tabla
5.2
muestra
que
a
mayor
tasa
de
desempleo
regional,
mayor
probabilidad
de
tener
licencias
mas
largas.
El
coeficiente
de
la
interacción
entre
la
tasa
de
desempleo
y
las
enfermedades
de
tipo
nervioso
muestra
la
única
discordancia
con
la
estimación
de
Cox,
en
efecto
ahora
se
obtiene
un
coeficiente
negativo
que
indica
que
a
mayor
tasa
de
desempleo
las
enfermedades
de
tipo
nervioso
tendrían
una
menor
duración.
La
misma
tabla
muestra
que
sólo
en
el
año
2012
la
probabilidad
de
tener
licencias
largas
disminuyó
respecto
al
año
2010.
Finalmente,
y
al
igual
que
en
el
modelo
de
Cox,
se
observa
que
cuando
la
licencia
la
extiende
un
médico,
aumenta
la
probabilidad
de
que
sea
mas
larga
y
que
si
la
persona
trabaja
en
el
sector
publico,
cae
la
probabilidad
de
tener
licencias
largas.
Tabla
5.2
:
Estimación
Logística
Ordenado,
Macroeconomía,
Años
y
Otros.
Duración
Coeficiente
Error
Estándar
z
Prob.>z
Macroeconómicas
Tasa
Desempleo
0,0639
0,0006
113,06
0,0000
Desempleo
x
Sistema
Nervioso
-‐0,0148
0,0014
-‐10,34
0,0000
Años
Año
2011
-‐0,000
0,001
-‐0,170
0,865
Año
2012
-‐0,044
0,002
-‐21,56
0,000
Otros
Médico
0,1512
0,0053
28,55
0,0000
Sector
Público
-‐0,6804
0,0023
-‐294,99
0,0000
Discusión
Los
resultados
de
ambas
metodologías
son
en
general
concordantes
y
muestran
que
las
mujeres
tienen
una
menor
probabilidad
de
tener
licencias
(no
asociadas
a
la
maternidad)
largas.
Este
resultado
es
interesante
ya
que
indicaría
que
al
sacar
las
licencias
asociadas
a
la
maternidad,
las
mujeres
contraerían
enfermedades
con
períodos
de
recuperación
mas
cortos
que
los
hombres.
Esto
podría
ser
concordante
con
el
hecho
que
las
mujeres
tienen
una
esperanza
de
vida
mayor
a
la
de
los
varones.
Se
obtiene
además
que
a
mayor
edad,
mayor
la
probabilidad
de
obtener
licencias
largas.
Lo
anterior
se
asociaría
al
proceso
normal
de
envejecimiento
de
una
persona
que
inevitablemente
conlleva
la
aparición
de
enfermedades
de
tratamientos
mas
largos.
Los
resultados
respecto
a
los
sectores
económicos
en
los
que
se
desempeña
el
trabajador
coinciden
con
la
intuición
económica.
En
efecto,
aquellos
sectores
que
presentan
una
mayor
probabilidad
de
tener
licencias
cortas
(minería,
industria
y
servicios)
son
en
general
aquellos
sectores
que
presentan
rentas
más
altas
y
por
lo
tanto
el
costo
de
oportunidad
de
tener
licencias
largas
es
mayor.
En
el
mismo
sentido
anterior,
los
resultados
respecto
a
la
ocupación
del
trabajador
revelan
que
en
aquellas
ocupaciones
con
mayores
ingresos
promedio,
la
probabilidad
de
tener
licencias
largas
es
menor.
En
este
estudio
se
incluye
la
tasa
de
desempleo
existente
en
la
región
y
en
el
momento
en
la
cual
se
otorga
la
licencia
y
se
observa
que
a
mayor
tasa
de
desempleo,
mayor
probabilidad
de
tener
licencias
largas.
Esto
podría
indicar
que
en
períodos
en
que
peligra
la
estabilidad
laboral,
las
personas
tienden
a
obtener
licencias
mas
largas
como
una
forma
de
mantener
el
trabajo.
Esto
podría
suceder
en
aquellos
casos
de
enfermedades
con
síntomas
fáciles
de
replicar
o
difíciles
de
comprobar
como
por
ejemplo
el
lumbago
y
la
depresión
y
estrés.
Dado
esto,
se
generó
una
variable
de
interacción
entre
la
tasa
de
desempleo
y
el
indicador
de
enfermedades
del
sistema
nervioso
con
el
objetivo
de
verificar
si
en
períodos
de
mayor
desempleo
las
enfermedades
del
sistema
nervioso
aumentan
la
probabilidad
de
tener
licencias
largas.
Los
resultados
son
mixtos,
por
un
lado
el
modelo
de
riesgo
proporcional
de
Cox
arroja
que
dicha
probabilidad
aumenta
y
por
otro
el
modelo
Logística
indica
que
dicha
probabilidad
cae.
Cabe
notar
que
el
nivel
de
significancia
de
esta
interacción
en
el
modelo
de
Cox
es
baja
en
comparación
al
nivel
del
resto
de
las
variables.
Esto
es
relevante
en
un
modelo
que
se
estima
con
mas
de
8
millones
de
observaciones.
Por
lo
tanto,
aquí
nos
inclinamos
por
utilizar
el
resultado
de
la
estimación
Logística.
El
coeficiente
negativo
muestra
que
efectivamente
el
efecto
positivo
de
la
tasa
de
desempleo
sobre
la
probabilidad
de
tener
licencias
largas
se
torna
negativo
cuando
se
trata
de
licencias
por
enfermedades
del
sistema
nervioso.
Cabe
recordar
que
es
muy
difícil
para
el
facultativo
determinar
con
certeza
la
veracidad
de
la
existencia
de
stress
que
imposibilite
el
trabajo
Hay
muchas
causas
de
licencias
por
problemas
de
salud
mental
que
se
basan
en
criterios
clínicos
y
no
hay
protocolos
para
regular
su
duración.
Como
el
juicio
clínico
puede
tener
variabilidad
y
el
paciente
puede
fingir
los
síntomas,
estas
causas
están
entre
las
más
usadas
para
obtener
licencias
fraudulentas,
entonces
cuando
aumenta
la
tasa
de
desempleo
relevante,
la
persona
tendría
menos
motivación
a
inventar
síntomas
debido
a
que
en
esos
tiempos
la
probabilidad
de
perder
el
trabajo
es
mas
alta.
Un
resultado
que
no
esperábamos
es
que
los
trabajadores
del
sector
público
tienen
una
menor
probabilidad
de
tener
licencia
largas.
Esto
podría
explicarse
porque
en
dicho
sector
estos
trabajadores
no
están
afectos
a
deducible
y
por
lo
tanto
no
existe
incentivo
a
tratar
de
obtener
licencias
de
mas
de
10
días
para
obtener
el
pago
total
de
esta.
Otro
factor
que
podría
incidir
aquí
es
la
existencia
de
los
5
días
de
permiso
administrativo
al
que
tienen
derecho
los
trabajadores
en
el
sector
publico.
Conclusiones
El
presente
estudio
utiliza
la
base
de
datos
de
todas
las
licencias
médicas
que
se
otorgaron
a
trabajadores
afiliados
a
FONASA,
en
Chile
durante
los
años
2010,
2011
y
2012.
Se
estimo
un
modelo
para
determinar
cómo
una
serie
de
variables
afecta
a
la
duración
de
las
licencias
médicas.
Se
descartaron
las
licencias
médicas
asociadas
a
la
maternidad
por
responder
a
una
naturaleza
distinta
a
las
licencias
por
enfermedades
no
laborales.
Se
usaron
dos
metodologías,
el
modelo
de
riesgo
proporcional
de
Cox
y
un
modelo
Logístico
Ordenado.
Los
resultados
muestran
que,
una
vez
que
se
controla
por
la
enfermedad
que
da
origen
a
la
licencia,
las
mujeres
tienen
licencias
médicas
con
una
menor
duración
esperada,
que
en
aquellos
sectores
y
ocupaciones
con
mayores
ingresos,
la
probabilidad
de
tener
licencias
largas
es
menor
y
que
a
mayores
tasas
de
desempleo
mayor
es
la
probabilidad
de
tener
licencias
mas
duraderas.
Al
respecto,
se
interactuó
la
variable
desempleo
con
el
indicador
de
enfermedades
del
sistema
nervioso
y
se
obtiene
que
en
periodos
en
que
aumenta
la
tasa
de
desempleo,
las
licencias
por
enfermedades
como
estrés
tienen
una
menor
probabilidad
de
extenderse
en
el
tiempo,
es
decir
tienden
a
ser
mas
cortas
que
en
periodos
de
bajo
desempleo.
Los
resultados
muestran
además
que
los
trabajadores
del
sector
publico
tienen
una
menor
probabilidad
de
tener
licencias
largas.
Finalmente,
la
probabilidad
de
tener
licencias
largas
es
menor
el
año
2012
en
relación
al
2010
y
2011.
Bibliografía
Aedo
C.,
G.
Bastías
y
C.
Sapelli
(1999).
“Subsidio
de
Incapacidad
Laboral
en
Chile”.
Mimeo,
Pontificia
Universidad
Católica.
Allen,
S.
(1981).
“Compensation,
Safety,
and
Absenteeism:
Evidence
from
the
Paper
Industry”.
Industrial
and
Labor
Relations
Review,
Vol.
34,
No.
2
(Jan.,
1981),
207-‐218.
Askildsen,
J.
E.,
E.
Bratberg
and
O.A.
Nielsen
(2005).
“Unemployment,
Labor
Force
Composition
and
Sickness
Absence:
A
Panel
Data
Study”.
Health
Economics,
14,
1087-‐
1101.
Beteta
E.
y
Willington
M.
(2010).
“Determinantes
del
Uso
y
Abuso
de
Licencias
Médicas
en
Chile”.
Working
Paper,
Universidad
Alberto
Hurtado,
Junio.
Breslow,
N.
(1970).
“A
generalized
Kruskal-‐Wallis
test
for
comparing
K
samples
subject
to
unequal
patterns
of
censorship".
Biometrika
57,
579-‐594.
Broström,
G.,
Johansson,
P.
&
Palme,
M.
(1998):
“Assessing
the
Effect
of
Economic
Incentives
on
Incidence
and
Duration
of
Work
Absence”.
Working
paper
series
in
economics
and
finance,
Stockholm
School
of
Economics.
Cassel,
C.,
P.
Johansson
and
M.
Palme.
(1996)
"A
Dynamic
Discrete
Choice
Model
of
Blue
Collar
Worker
Absenteeism
in
Sweden
1991".
Stockholm
School
of
Economics,
Working
Paper
No.
129.
Castro
R.
y
Sepúlveda
J.
(2009).
“Análisis
de
los
determinantes
del
uso
y
duración
de
licencias
médicas
en
el
sistema
ISAPRE”.
Working
Paper,
Universidad
del
Desarrollo,
Noviembre.
Cid,
Camilo
(2001).
“Microeconomía
del
Subsidio
de
Incapacidad
Laboral:
evaluación
y
propuestas
de
política
sobre
la
base
de
un
modelo
de
seguro
con
presencia
de
riesgo
moral'.
Tesis
Programa
de
postgrado
en
Economía
Ilades/Georgetown
University.
Gertler,
Paul,
(1999).
“Insuring
the
Economic
Costs
of
Illness”.
Conference
on
Social
Protection
and
Poverty.
Inter-‐American
Development
Bank.
Gilleskie,
Donna,
(
1998).
“A
Dynamic
Stochastic
Model
of
Medical
Care
Use
and
Work
absence".
Econometrica,
vol.
66(1),
1-‐46.
Johansson,
Per
and
Palme,
Marten
(1998).
“Assessing
the
Effect
of
a
Compulsory
Sickness
Insurance
on
Worker
Absenteeism.
Stockholm
School
of
Economics
Working
Paper
No.
287.
Dec.
Jones,
Andrew
(2008).
“Applied
Econometrics
for
Health
Economists".
3a
Edición;
OHE.
Kiefer,
Nicholas
(1998).
“Economic
Duration
Data
and
Hazard
Functions".
Cornell
University,
1988.
Krause,
N.,
Lynch,
J.,
Kaplan,
G.A.,
Cohen,
R.D.,
Goldberg,
D.E.,
Salonen,
J.T.(1997).
“Predictors
of
disability
retirement".
Scandinavian
Journal
of
Work,
Environment
&
Health
23,
403-‐413.
Krause,
N.,
Frank,
J.W.,
Dasinger,
L.K.,
Sullivan,
T.J.,
and
Sinclair,
S.J.
(2001).
”Determinants
of
duration
of
disability
and
return-‐to-‐work
after
work-‐related
injury
and
illness:
Challenges
for
future
research".
American
Journal
of
Industrial
Medicine
40,
464-‐484.
Mantel,
Nathan
(1966).
“Evaluation
of
survival
data
and
two
new
rank
order
statistics
arising
in
its
consideration".
Cancer
Chemotherapy
Reports.
Martinez,
Eduardo
(1999).
“Determinación
de
las
Variables
que
Afectan
el
Evento
de
Solicitar
Licencia
Médica".
FACEAPUC.
Melgarejo,
Marisol
(2006).
“Las
Licencias
Médicas
y
su
Utilización
Fraudulenta".
Tesis
de
Grado,
Universidad
Arturo
Prat.
Miranda,
Gonzalo,
Alvarado,
Sergio
y
Kaufman,
Jay
(2012).
“Duración
de
las
licencias
médicas
FONASA
por
trastornos
mentales
y
del
comportamientos”,
Revista
Médica
de
Chile,
140,
2,
207-‐213.
Murray,
John
(2006).
“Moral
Hazard
in
Progressive-‐Era
Health
Insurance".
University
of
Toledo;
1st
ed.,
2006.
Norberg,
M.,
and
Roed,
K.
(2003).
”Absenteeism,
Health
Insurance,
and
Business
Cycles”.
Health
Economics
Research
Programme
(HERO)
working
paper
17,
University
of
Oslo,
May.
Osterkamp,
R.,
and
Rohn,
O.
(2005)
“
Being
on
Sick
Leave
–
Possible
Explanations
for
Differences
of
Sick-‐leave
Days
Across
Countries”.
Ifo
Institute
for
Economic
Research
Working
Paper
19,
University
of
Munich,
November.
Peto,
Richard;
Peto,
Julian
(1972).
“Asymptotically
Efficient
Rank
Invariant
Test
Procedures".
Journal
of
the
Royal
Statistical
Society
135,
2,
185-‐207.
Pezoa,
Marcela
(2010).
”Licencias
Médicas:
Gasto
por
Subsidio
por
Incapacidad
Laboral
(S.I.L.)”.
Departamento
de
Estudios
y
Desarrollo,
Superintendencia
de
Salud.
Mayo.
Rabe-‐Hesketh,
Sophia
&
Everitt,
Brian
(2004).
“A
Handbook
of
Statystical
Analyses
using
Stata".
3a
Edición;
CHAPMAN
&
HALL/CRC.
Rodríguez,
J.
y
M.
Tokman
(2001).
“Análisis
del
Gasto
en
Subsidios
por
Incapacidad
Laboral
y
sus
Determinantes”.
Serie
Estudio
de
Finanzas
Públicas
N°
2,
Dipres,
Ministerio
de
Hacienda.
Rodríguez,
Jorge
&
Tokman,
Marcelo
(2003).
“Licencias
médicas:
¿Chilenos
enfermizos?".
Expansiva.
2003.
SAF
(1986).
“Time
Allocation
Survey".
Swedish
Employers
Federation,
Stockholm.
Spierdijk.
Laura
&
Van
Lomwell,
Gijsbert
&
Peppelman,
Wilko
(2008).
“The
Determinants
of
Sick
Leave
Durations
of
Dutch
Self-‐Employed".
University
of
Groningen.
Superintendencia
de
Salud
(2006).
“Evaluación
del
subsidio
por
incapacidad
laboral
por
enfermedad
común
en
Chile:
1990-‐2000”
Documento
de
Trabajo.
Superintendencia
de
Seguridad
Social
(2008).
“Aumento
del
gasto
en
subsidios
por
incapacidad
laboral”
Documento
de
Trabajo.
Therneau,
T.M.
y
Grambsch,
P.M.
(2000).
“Modeling
Survival
Data:
Extending
the
Cox
Model".
N.Y.:
Springer-‐Verlag.
Therneau,
T.M.,
Grambsch,
P.M.
y
Fleming,
T.R.
(1990).
“Martingale-‐based
residuals
for
survival
models".
Biometrika,
77:
147-‐160.