Comparar las razones de tasas estimadas mediante diferentes modelos de regresión, dado que los episodios de Incapacidad Temporal (IT) se repiten en un mismo individuo varias veces y la frecuencia no es constante a lo largo de un periodo de observación.

La población en estudio la constituyen todos los trabajadores contratados más de 30 días en un hospital entre el 1 de enero de 1992 y el 1 de junio de 1995. El periodo completo de seguimiento suma 1.259 días y el número total de sujetos incluidos en el estudio fue de 2.306 trabajadores. Ello supuso en total 1.846.706 personas-días. En el periodo estudiado se notificaron 2.649 episodios, lo que significó 85.947 días perdidos por IT. Además del modelo de Poisson, se aplicaron los modelos GEE (Generalised Estimating Equations) y WLW (Aproximación de Andersen-Gill de la regresión de Cox modificado por Wei et al.)

Al aplicar la regresión de Poisson, se observá que el ser mujer, tener menos de 30 años, trabajar en mantenimiento y limpieza del hospital o de auxiliar de clínica y en turno rotatorio son las características, entre las estudiadas, que mejor explican la incidencia de IT en esta empresa. Este perfil, apenas se modifica después de aplicar modelos de regresión «marginales »: GEE y WLW. Aunque sí se observa una mayor amplitud de los intervalos de confianza al aplicar estos modelos.

Los modelos de regresión 'marginales' aplicados en este estudio no parecen comportarse como alternativas al modelo más clásico de regresión de Poisson. Esto plantea la necesidad de explorar la aplicación de otras alternativas, como los modelos de regresión 'condicionales', los cuales estiman explícitamente la interdependencia de las observaciones.

To apply different regression models to estimate rate ratios for temporary sick-leave (TSL) which may occur several times in the same individual during a period, and the frecuency is not constant for the observation period.

All workers employed more than 30 days between January 1st of 1992 and June 1st of 1995 were included into the population study. The following period was 1,259 days and the total number of workers included in the study was 2,306. During that period 2,649 TSL episodes were notified, which meant 85,947 lost days. Poisson regression, Generalised Estimating Equations (GEE) and Andersen-Gill modification of Cox regression modify by Wei (WLW) were applied.

The highest TSL incidence rates were seen in women, lesser than 30 years old, cleaners, maintenance workers and auxliary nurses, and those involved in shiftwork. This profile was not modified after applying GEE and WLW regression models, although confidence intervals were widened.

TSL data does not fit Poisson regression assumptions, but GEE and WLW regression models do not appear as alternatives. Other conditional regression models would need to be explored to suitably analyse this data.