Información:
El Dr. Juan José Agún González, codirector de la Cátedra PREVION de Prevención de Riesgos Laborales, y los investigadores Raúl Aguilar Elena, Rubén Tino Ramos y Alejandro Guillén Riquelme, vinculados al Máster Universitario en Prevención de Riesgos Laborales de la Universidad Internacional de Valencia (VIU), han publicado un estudio en la revista científica Safety. El trabajo se ha desarrollado junto con Ana Delgado García, del grupo de investigación BISITE de la Universidad de Salamanca.
El artículo, titulado Can Occupational Safety Practitioners Trust AI-Ranked Risk Factors? A Synthetic Study of Predictive Performance and Explanation Fidelity, examina hasta qué punto un modelo de inteligencia artificial que predice incidentes laborales también puede identificar qué factores merecen mayor atención preventiva. Para responder a esta pregunta, el equipo utilizó datos simulados que reproducían dos condiciones habituales en este tipo de análisis: incidentes poco frecuentes y variables relacionadas entre sí. En total, el estudio incluyó 58.000 ajustes de modelos Random Forest en 29 escenarios de simulación.
En el escenario de referencia, los modelos alcanzaron una capacidad predictiva moderada, con un área bajo la curva ROC (AUC) de 0,689. En ese mismo escenario, situaron en primer lugar el factor de mayor importancia según el mecanismo de simulación en el 20,7 % de las repeticiones. La distinción tiene una consecuencia práctica. Si se utiliza un modelo para decidir qué aspectos conviene reforzar en la formación o la supervisión, los resultados del estudio respaldan comprobar por separado la fiabilidad de esa clasificación antes de emplearla para fijar prioridades preventivas.
Safety es una revista científica internacional de acceso abierto e indexada en Scopus y en Emerging Sources Citation Index (ESCI) de Web of Science. En los Journal Citation Reports de 2025 se sitúa en el segundo cuartil (Q2) de la categoría Public, Environmental & Occupational Health, con un factor de impacto de 2,4.