Según la Organización Mundial de la Salud, cada año los accidentes de tráfico causan la muerte de aproximadamente 1,24 millones de personas en todo el mundo. Entre 20 y 50 millones de personas sufren traumatismos no mortales, y a su vez una proporción de estos padecen algún tipo de discapacidad1.

En el año 2011, España ocupaba el séptimo lugar entre los países de la Unión Europea (UE) con menor mortalidad por accidentes de tráfico, siendo su tasa de víctimas mortales de 45 por millón de habitantes, inferior a la media de la UE, que era de 60 por millón. Entre los años 2008 y 2011ha habido un descenso tanto de los accidentes de tráfico con víctimas mortales como del número de fallecidos, del 10,7% y el 26%, respectivamente2.

Desde el año 2008, las muertes por accidentes de tráfico han dejado de ser la primera causa de muerte entre las causas externas, pasando a una segunda posición tras el suicidio. Esto puede deberse, por un lado, a las medidas implantadas por la Dirección General de Tráfico en los últimos años3, y por otro a la reducción del número de vehículos en carretera, estimada por el Ministerio de Fomento en el periodo 2007-2011 en un 9%4. A pesar de todo, las defunciones por accidentes de tráfico continúan siendo un importante problema de salud pública y una de las principales causas de muerte en los jóvenes entre 15 y 29 años de edad2,3.

En las últimas décadas se ha incrementado el uso de los sistemas de información geográfica (SIG) en el ámbito de la epidemiología y la salud pública. Los recientes avances en los SIG y en la metodología de análisis espacial han permitido desarrollar nuevas técnicas en el análisis epidemiológico. Los SIG constituyen una herramienta fundamental en el fortalecimiento de todo el proceso de información, gestión y análisis en vigilancia epidemiológica, y además proporcionan un excelente medio para visualizar y analizar datos geoespaciales, revelando las tendencias, dependencias, interrelaciones y agrupaciones5.

Algunos estudios realizados en otros países han analizado la distribución espacial de los accidentes de tráfico utilizando SIG y técnicas de análisis espacial para detectar agregaciones de riesgo y excesos de accidentes5–13. Existen diferentes técnicas para la detección de puntos de riesgo, o hot-spots, aplicados al estudio espacial de los accidentes de tráfico. El estudio realizado por Anderson9 para analizar la distribución de riesgo de accidentes en Londres utiliza dos métodos diferentes, la densidad de Kernel y K-means, con resultados muy similares. Recientemente se ha publicado un estudio llevado a cabo en un estado de Brasil que utiliza la densidad de Kernel para detectar los hot-spots en las carreteras brasileñas14. En España es escaso el número de trabajos que profundizan en la distribución espacial de los accidentes de tráfico con víctimas mortales15,16. Un estudio realizado por Rodríguez-Morales et al.17 analiza mediante métodos de detección de hot-spots los accidentes de tráfico producidos por fauna salvaje en la red de carreteras de Galicia. Hasta el momento, ningún estudio publicado ha utilizado este tipo de aproximación metodológica. Por este motivo, el objetivo del presente trabajo es estimar las áreas de mayor densidad de accidentes de tráfico en carretera con víctimas mortales a 24 horas por km2/año en la España peninsular en el periodo de 2008 a 2011, utilizando un SIG.

Se realizó un estudio de procesos puntuales donde cada punto en el espacio corresponde a un accidente de tráfico en carretera con víctimas mortales a 24 horas para determinar la densidad de estos accidentes en la España peninsular en el periodo 2008-2011.

Análisis espacial

En una primera fase se calculó el índice del promedio del vecino más cercano19 para estimar la distancia media entre un accidente y el accidente (vecino) más cercano, basándose en las distancias observadas entre los accidentes y las distancias esperadas si la distribución de estos se hubiera debido al azar. Si la distancia media observada es inferior a la esperada (índice menor de 1) se considera que los accidentes están agregados, es decir, que existen clusters espaciales. Esta técnica permitió detectar la presencia de clusters en el espacio, y además obtener el ancho de banda necesario (distancia media observada) para realizar la siguiente fase del análisis. Esta consistió en utilizar la estimación de la densidad de Kernel20 para detectar aquellas áreas en las carreteras en las que existe una mayor densidad de accidentes por kilómetro cuadrado en la península.

Este método es útil para determinar la propagación de riesgo de un accidente, lo que puede definirse como el área alrededor de un cluster determinado donde existe un aumento de la probabilidad de que ocurra un accidente basado en la dependencia espacial. En segundo lugar, este método permite definir un área de análisis espacial homogéneo para toda la zona estudiada, que hace posible la comparación de unas zonas con otras9.

Para el cálculo de las superficies, el método de Kernel estima la densidad de observaciones alrededor de un píxel, usando la función cuadrática de Kernel descrita por Silverman20. Este método es una herramienta de interpolación y suavizado usada para generalizar la posición de un punto a un área. La estimación de densidad de Kernel se ajusta a una superficie curvada sobre cada caso, de tal manera que la superficie es más alta encima del caso y cero a partir de una distancia del caso especificada (el ancho de banda). En términos matemáticos se expresa como:

donde f (x, y) es el valor de densidad en la posición (x, y), n es el número de casos, h es el ancho de banda, di es la distancia geográfica entre el caso i y la ubicación (x, y), y K es una función de densidad. Las unidades de f (x, y) son casos por unidad de área21.

El método divide el área de estudio, en este caso el territorio peninsular de España, en un número determinado de celdas, y realiza un barrido circular alrededor de cada punto (accidente) aplicando una ecuación matemática (Kernel) que va de 0 hasta el ancho de banda definido (fig. 1). Este ancho de banda fue la distancia media observada obtenida del cálculo del vecino más cercano22.

Figura 1.

Gráfico de la densidad de Kernel.

(0.1MB).

Se obtuvo la densidad de Kernel por km2/año para cada una de las celdas en que se divide el mapa. El análisis se realizó con el SIG Arcmap versión 10.0.

Esta es la primera publicación en que se analizan datos nacionales de accidentes de tráfico en carretera con víctimas mortales a 24 horas para localizar zonas con mayor densidad de accidentes de tráfico por km2/año. Se ha obtenido un mapa global que permite visualizar en Google Earth con detalle las diferentes zonas donde hay una densidad de cinco a diez accidentes y más de diez accidentes por km2/año en el conjunto de las carreteras del territorio peninsular español. La distribución de las zonas de más de diez accidentes tiende a concentrarse en el este, mientras que las zonas con cinco a diez accidentes se concentran más en el noroeste y en un eje del centro a la zona de levante.

Existen otras publicaciones que analizan desde el punto de vista espacial los accidentes de tráfico6,7,12,23–30. En concreto, algunos autores han utilizado la densidad de Kernel para estimar las áreas de riesgo y los hot-spots de accidentes de tráfico en carretera9,13,31. Un estudio llevado a cabo en Londres9 presenta un mapa con las zonas donde se han producido más accidentes en el área metropolitana. De esta manera presentan las celdas con mayor densidad de accidentes de tráfico. Utilizando este mismo método de densidad de Kernel, Bil et al.13 presentan un análisis de accidentes de tráfico realizado en Moravia (República Checa), en el que muestran un mapa con las localizaciones más peligrosas dentro de la red de carreteras de la zona. Otro estudio, realizado por Xie y Yan31, utiliza la densidad de Kernel para presentar las zonas de concentración de accidentes en Kentucky. En este estudio, el análisis se realiza de forma lineal, utilizando la red de conexiones de las carreteras, lo que permite localizar los puntos conflictivos a lo largo de estas en lugar de en un área. Cabe destacar, en nuestro ámbito, el ya citado trabajo de Rodríguez-Morales et al.17 que utiliza la misma metodología.

El informe que presenta anualmente EuroRAP32 muestra los tramos de más accidentabilidad en los países europeos teniendo en cuenta el número de accidentes con víctimas mortales o heridos graves, en función de la longitud del tramo y de la intensidad de tráfico de la vía. Estos informes anuales son una valiosa herramienta para detectar los tramos de más riesgo en la red vial. Comparando el mapa del informe presentado en 201133 con nuestros resultados se observan algunos puntos comunes, aunque tanto la metodología empleada como los períodos de estudio son diferentes. Las carretras donde se concentra la mayor densidad de Kernel de accidentes de tráfico con víctimas mortales a 24 horas por km2/año en nuestro estudio aparecen en el mapa que presenta EuroRAP como tramos de riesgo medio o medio-alto, lo mismo que aquellas áreas en las que aparecen entre cinco y diez accidentes, que también aparecen como zonas de riesgo medio-alto en el mapa de EuroRAP. Las zonas que aparecen en EuroRAP como zonas de alto riesgo no se encuentran en nuestros resultados, debido a las diferentes fuentes de datos utilizadas, al periodo de estudio y a la metodología empleada.

Una primera limitación es intrínseca al propio método utilizado20, ya que la estimación de la densidad de Kernel está sujeta a la elección por parte del investigador del ancho de banda de búsqueda. En nuestro estudio, sin embargo, el ancho de banda se ha calculado teniendo en cuenta criterios estadísticos basados en el vecino más cercano, por lo que este ancho de banda parece ajustarse mejor al problema planteado. Este criterio de elección del ancho de banda se ha realizado siguiendo la propuesta de De Cos22 en un estudio en el cual se valora la aplicación de los métodos Kernel en todo el país para identificar patrones espaciales de crecimiento. Una segunda limitación es de selección de la unidad de análisis, que es el accidente de tráfico sin tener en cuenta si hubo un muerto o más, ni si hubo un vehículo implicado o más, lo que puede simplificar el gradiente de riesgo. Al emplear como fuente de datos la mortalidad antes de las 24 horas, los resultados pueden estar infraestimados ya que los heridos graves en un accidente pueden acabar muriendo. No se ha podido incluir en el análisis la intensidad de tráfico de cada una de las carreteras analizadas, lo cual es otra limitación. Además, el análisis se ha realizado en dos dimensiones, cuando los accidentes de tráfico en carretera con víctimas mortales a 24 horas ocurren en una red viaria, es decir, siguen las líneas de la red, pero dada la amplitud de la red viaria estudiada (en toda la España peninsular tenemos 60.000 segmentos de red viaria) no es posible llevar a cabo este tipo de análisis. Por ello, los datos están por áreas de 1 km2 y no por línea de carretera.

Este trabajo presenta una primera aproximación al estudio del problema de la densidad de accidentes de tráfico en carretera con víctimas mortales a 24 horas, aplicando técnicas geográficas. Esto permite, por un lado, obtener una representación a gran escala de la distribución de los accidentes, al tener en cuenta el punto kilométrico donde han ocurrido, y por otro identificar áreas con mayor frecuencia de accidentes. Las zonas en que parece haber una mayor densidad de accidentes tendrían que ser estudiadas en detalle para poder identificar cuáles son los factores de riesgo que están influyendo. Estos factores pueden estar relacionados con el estado de las carreteras, con la señalización, con factores meteorológicos o con factores relacionados con la intensidad y el tipo de tráfico.

La información espacial del estudio puede ser una ventaja a la hora de tomar decisiones por parte de las autoridades competentes, tanto para poner en marcha medidas concretas y campañas en materia de tráfico, como para evaluar los riesgos asociados a estos accidentes.

Aunque en España el número de víctimas mortales en accidentes de tráfico ha disminuido en los últimos años34, sigue siendo un importante problema de salud pública, por lo que es necesario continuar trabajando en esta línea.

En el futuro se plantea realizar estudios simplificando la red vial para poder presentar los resultados por punto kilométrico en lugar de área, así como realizar análisis de posibles factores de riesgo asociados, a partir de las características de las carreteras y de la densidad de tráfico, las condiciones del pavimento, la influencia de factores meteorológicos y las características intrínsecas al tráfico.

Miguel Ángel Negrín Hernández.

D. Gómez-Barroso y R. Fernández-Cuenca concibieron y diseñaron el trabajo. R. Palmera Suárez realizó la recogida de los datos. D. Gómez-Barroso, T. López-Cuadrado, A. Llácer y R. Fernández-Cuenca realizaron el análisis de los datos y la interpretación de los resultados. D. Gómez-Barroso, T. López-Cuadrado, A. Llácer y R. Fernández-Cuenca elaboraron el manuscrito. Todos los autores aprobaron la versión final para su publicación.

Ninguna.

Ninguno.