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 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  

la  persona  a  la  cual  se  le  otorga  la  licencia  médica.  

FONASA  

A  partir  de  esta  información  se  construye  la  variable  binaria  Mujer  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  cotizante.   FONASA    

Tipo  de  Licencia   Identifica  el  tipo  de  la  licencia  de  entre  una  de  las  7  siguientes  categorías:  enfermedad  o  accidente  no  del  trabajo,  prorroga  medicina  preventiva,  licencia  maternal,  enfermedad  grave  hijo  menor  de  1  año,  accidente  del  trabajo,  enfermedad  profesional  y  patologías  del  embarazo.    

FONASA  

No  se  utilizan  en  el  estudio  las  licencias  

maternales  y  las  licencias  por  enfermedad  grave  hijo  menor  de  1  año.  

Fecha  de  Emisión   Fecha  en  que  se  otorga  la  licencia.   FONASA    

Días  Otorgados   Número  de  días  otorgados  en  la  licencia.  

FONASA  

Esta  es  la  variable  utilizada  para  el  modelo  de  sobrevivencia  y  a  partir  

de  esta  variable  se  construye  la  variable  dependiente  para  el  modelo  logístico.  

 Tipo  de  Reposo   Puede  ser  reposo  total  o  

reposo  parcial.   FONASA    

Profesión  Prestador   Identifica  la  profesión  de  quien  emite  la  licencia.  Puede  ser  médico,  dentista  o  matrona.  

FONASA    

Código  del  Diagnostico   Código  CEI-­‐10  que  identifica  la  enfermedad  que  causa  la  licencia.   FONASA  

La  base  contiene  los  3  primeros  dígitos  del  código  con  lo  que  se  identifican  los  22  

capítulos  de  enfermedades.  

Actividad  Laboral   Describe  el  sector  económico  en  el  que  se  desempeña  el  trabajador.     FONASA  

A  partir  de  esta  variable  se  crean  variables  binarias  para  describir  10  sectores  

económicos.  Ocupación   Describe  la  ocupación  del  

trabajador  de  entre  20  posibles  opciones.  Algunas  son  redundantes.  

FONASA  

A  partir  de  esta  variable  se  crean  variables  binarias  para  describir  9  posibles  

ocupaciones.  Calidad  Trabajador   Clasifica  al  trabajador  en  

una  de  las  4  opciones  siguientes:  trabajador  sector  público,  trabajador  sector  público  no  afecto  a  ley  18834/89,  trabajador  dependiente  sector  privado  y  trabajador  independiente.  

FONASA  

 

Región   Variable  que  permite  identificar  la  región  en  la  cual  fue  presentada  la  licencia  médica.  

FONASA  

 

Duración   Variable  que  toma  valor:  0  si  la  licencia  es  otorgada  por  3  días  o  menos,  1  si  es  otorgada  por  más  de  3  días  y  hasta  10  días,  y  2  si  es  otorgada  por  más  de  10  días.  

Construida  a  partir  de  la  variable  Días  

Otorgados.  

Corresponde  a  la  variable  dependiente  en  el  modelo  Logístico  Ordenado  que  se  

presenta  en  la  metodología.  

Tasa  de  Desempleo   Tasa  mensual  de  desempleo  regional   INE    

 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  

   

 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  

0.00

0.25

0.50

0.75

1.00

0 10 20 30 40 50analysis time

Men Women

Kaplan-Meier survival estimates

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  

       mayor  probabilidad  de  extenderse  en  el  tiempo  que  el  resto  de  las  regiones.  Esto  para  cada  día  de  duración  y  hasta  los  30  días.  Por  espacio,  no  incluimos  las  graficas  de  Kaplan-­‐Meier  para  los  distintos  sectores  económicos,  distintas  ocupaciones  y  para  cada  uno  de  los  años.    

                           

0.00

0.25

0.50

0.75

1.00

0 10 20 30 40 50analysis time

Non-Public Sector Worker Public Sector Worker

Kaplan-Meier survival estimates

Figura  3  

       

Figura  4  

                 

0.00

0.25

0.50

0.75

1.00

0 10 20 30 40 50analysis time

Non-Metropolitan Region Metropolitan Region

Kaplan-Meier survival estimates

0.00

0.25

0.50

0.75

1.00

0 10 20 30 40 50analysis time

Non-Biobio Region BioBio Region

Kaplan-Meier survival estimates

Estimación  de  Cox    A  continuación  presentamos  la  estimación  de  Cox  donde  se  regresan  los  días  de  duración  de  la  licencia  en  un  conjunto  de  variables  agrupadas  en  variables  personales  (genero  y  edad),  variables  del  trabajo  que  realiza  la  persona  (ocupación,  sector  económico,  trabajador  publico  versus  privado)  y  variables  macroeconómicas    (tasa  de  desempleo  de  la  región  en  la  cual  trabaja  la  persona).  Se  controla  además  por  el  profesional  médico  que  otorga  la  licencia,  por  el  tipo  de  enfermedad  que  origina  la  licencia  y  por  cada  uno  de  los  años  en  el  estudio,  usando  2010  como  el  año  base.      Las  tablas  4.0  a  la  4.2  muestran  los  resultados  de  la  estimación.    Para  favorecer  la  presentación,  se  separan  los  resultados.  En  la  primera  tabla,  el  coeficiente  positivo  en  la  variable  de  genero  indica  que  las  licencias  médicas  extendidas  a  mujeres  tienen  un  mayor  riesgo  de  “fallecer”  en  el  tiempo  t.  Es  decir,  las  licencias  extendidas  a  mujeres  tienen  una  duración  esperada  menor  que  aquella  de  los  hombres.  Por  el  contrario,  aumentos  en  la  edad  del  trabajador  tienden  a  aumentar  la  duración  esperada  de  una  licencia  médica.  Cabe  notar  que  aunque  la  variable  edad2  presenta  un  coeficiente  significativo,  este  no  es  económicamente  significativo.  En  efecto,  el  coeficiente  es  cero  en  los  primeros  3  decimales.    En  la  misma  tabla  se  puede  observar  que  trabajadores  en  los  sectores  minería,  industrial,  servicios  y  servicios  estatales  tiene  licencias  con  una  menor  duración  esperado.  Esto  podría  ser  explicado  por  el  mayor  nivel  de  salarios  en  esos  sectores  lo  que  genera  incentivos  a  tener  licencias  “cortas”.    

Tabla  4.0:  Estimación  Cox,  Características  personales  y  Sector  Laboral  Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  Mujer   0,095   0,001   119,590   0,000  Edad   -­‐0,015   0,000   -­‐86,210   0,000  Edad2   0,000   0,000   -­‐3,910   0,000  

Sector          Agrícola   -­‐0,113   0,002   -­‐57,360   0,000  Minería   0,023   0,004   5,560   0,000  Industria   0,089   0,002   42,410   0,000  Construcción   -­‐0,116   0,003   -­‐45,940   0,000  Electricidad   -­‐0,032   0,006   -­‐5,480   0,000  Comercio   -­‐0,012   0,001   -­‐8,650   0,000  Transporte   -­‐0,035   0,002   -­‐15,990   0,000  Servicios   0,025   0,002   10,820   0,000  Servicios  Estatales   0,077   0,001   76,740   0,000  

 Al  observar  la  tabla  4.1  se  aprecia  que,  con  la  excepción  de  las  personas  que  laboran  como  vendedores   y   aquellos  que   trabajan  en   casa  particular,   todas   las  ocupaciones   tienen  un  coeficiente  significativo,  es  decir  el  tiempo  esperado  de  sus  licencias  médicas  es  menor.    

   

Tabla  4.1:  Estimación  Cox,  Ocupación.  Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  

Ocupación          Profesor   0,0287   0,0020   14,32   0,0000  Ejecutivo   0,0128   0,0058   2,23   0,0260  Profesional   0,1512   0,0018   85,24   0,0000  Técnico   0,0499   0,0015   32,4   0,0000  Vendedor   -­‐0,0432   0,0016   -­‐27,66   0,0000  Administrativo   0,0517   0,0012   44,22   0,0000  Operario   0,0142   0,0010   14,66   0,0000  Casa  particular   -­‐0,2452   0,0028   -­‐86,55   0,0000  

 La  tabla  4.2  muestra  que  el  efecto  sobre  la  duración  de  las  licencias  médicas  de  la  variable  macroeconómica  tasa  de  desempleo  de  la  región  en  la  cual  se  otorga  la  licencia.  Se  observa  que  aumentos  en  la  tasa  de  desempleo  regional  hacen  que  la  duración  esperada  de  la  licencia  médica  sea  mayor.  Se  aprecia  además  que  el  coeficiente  de  la  interacción  entre  la  tasa  de  desempleo  regional  y    enfermedades  del  sistema  nervioso  es  negativa.  Esto  indica  que  las  enfermedades  de  tipo  nervioso  aumentan  la  duración  esperada  en  períodos  con  alta  tasa  de  desempleo.    A  mayor  tasa  de  desempleo,  mayor  es  el  aumento  en  la  duración  de  las  licencias  producto  de  enfermedades  de  tipo  nervioso.    

Tabla  4.2:  Estimación  Cox:  Macroeconomía,  Años  y  Otros.  Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  

Macroeconómicas          Tasa  Desempleo   -­‐0,019   0,000   -­‐64,040   0,000  Desempleo  x  Sistema  Nervioso   -­‐0,004   0,002   -­‐2,410   0,016  

Años          Año  2011   -­‐0,001   0,001   -­‐1,000   0,319  Año  2012   0,016   0,001   16,390   0,000  

Otros          Médico   -­‐0,017   0,003   -­‐6,820   0,000  Sector  Público   0,271   0,001   236,080   0,000    La  misma  tabla  además  muestra  que  en  el  año  2011  la  duración  esperada  de  una  licencia  es  mayor  que  el  2010  y  que  en  el  2012  la  duración  esperada  es  menor  que  en  el  año  2010.    Finalmente,  se  observa  que  cuando  la  licencia  es  extendida  por  un  médico,  esta  tiene  una  duración  esperada  mayor  y  que  cuando  el  trabajador  labora  en  el  sector  público,  la  duración  esperada  de  la  licencia  es  menor.            

Modelo  Logístico  Ordenado    Aquí  la  variable  dependiente  toma  el  valor  0  si  la  licencia  otorgada  dura  entre  1  y  3  días,  valor   1   si   la   duración   es   de   entre   4   y   10   días   y   valor   2   si   ésta   dura   11   días   o  mas.   Las  variables  explicativas  son  las  mismas  que  en  el  modelo  de  riesgo  proporcional  de  Cox.  Por  motivos  estéticos,  los  resultados  de  la  estimación  se  presentan  por  separado  en  las  tablas  5.0  a  la  5.2,  sin  embargo,  al  igual  que  con  la  regresión  de  Cox,  esta  se  estima  de  una  vez.  Por   espacio,   no   se   muestran   los   efectos   marginales   por   categoría   de   la   variable  dependiente.    Se   observa   en   la   tabla   5.0   que   las   licencias   otorgadas   a   una   mujer   tienen   una   menor  probabilidad   (coeficiente   negativo)   de   pasar   a   los   valores   superiores   de   la   variable  dependiente.  Es  decir,  tienen  una  menor  probabilidad  de  obtener  licencias  largas.  Esto  es  concordante  con  el  resultado  del  modelo  de  Cox.    También  concordante  con  el  modelo  de  Cox  es  el  efecto  de  la  variable  edad,  a  mayor  edad  aumenta  la  probabilidad  de  licencias  con  mayor  duración.  Se  observa  que  los  coeficientes  de   los  distintos  sectores  conllevan   la  misma   información  encontrada  con   la  regresión  de  Cox;   coeficientes   negativos   indican   que   las   licencias   en   esos   sectores   duran   menos  (minería,  industria,  servicios  y  servicios  estatales).      

Tabla  5.0  :  Estimación  Logística  Ordenado,  Características  personales  y  Sector  Laboral  

Ordered  Logistic  Regression     Number  of  observations    

8219828    

LR  Chi2(44)   3247484,45   Pseudo  R2   0,198    Prob  >  Chi2   0.0000        Log-­‐Likelihood   -­‐6693008        

         

Duración   Coeficiente   Error  Estándar   z   Prob.>z  

         

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.