Estimando a magnitude real dos acidentes de trabalho na construção civil : uso do modelo Bayesiano N-Mixture

Abstract

RESUMO: Os acidentes ocupacionais geram impactos sociais e econômicos significativos, reduzindo a capacidade da força de trabalho e aumentando os gastos públicos. Em setores de alto risco, como a construção civil, a complexidade das tarefas, as exposições ambientais e as condições organizacionais intensificam as vulnerabilidades, frequentemente resultando em incidentes subnotificados. A subnotificação de acidentes de trabalho constitui um problema estrutural, decorrente da informalidade laboral, da fragilidade nos mecanismos de fiscalização. Este estudo é estimar a subnotificação de acidentes de trabalho no Brasil, abordando as limitações dos conjuntos de dados administrativos que não capturam todas as ocorrências. Utilizando registros da base de dados de Comunicação de Acidente de Trabalho (CAT) de 2021 a 2024, o modelo incorpora a probabilidade de detecção para inferir a contagem latente de acidentes entre grupos demográficos e ocupacionais. Os resultados revelam discrepâncias substanciais entre os dados oficiais e as ocorrências estimadas, com taxas de subnotificação próximas de 50% para acidentes típicos e de trajeto e superiores a 85% para doenças ocupacionais. Essas descobertas demonstram a invisibilidade sistêmica de agravos, impulsionada pela informalidade, barreiras de notificação e frágil integração institucional. Ao quantificar os casos ocultos e identificar grupos de alto risco, o estudo fornece contribuições metodológicas e práticas para a pesquisa em segurança ocupacional. A abordagem proposta amplia a compreensão da dinâmica dos acidentes e apoia o desenvolvimento de sistemas de vigilância mais precisos, ao mesmo tempo que oferece insights para orientar estratégias preventivas e políticas públicas.

ABSTRACT: Occupational accidents generate significant social and economic impacts by reducing workforce capacity and increasing public expenditures. In high-risk sectors such as construction, task complexity, environmental exposures, and organizational conditions intensify vulnerabilities, often resulting in underreported incidents. The underreporting of occupational accidents constitutes a structural problem, driven by labor informality and weaknesses in inspection and enforcement mechanisms. This study aims to estimate the underreporting of occupational accidents in Brazil, addressing the limitations of administrative datasets that fail to capture all occurrences. Using records from the Work Accident Communication (CAT) database from 2021 to 2024, the model incorporates detection probability to infer latent accident counts across demographic and occupational groups. The results reveal substantial discrepancies between official data and estimated occurrences, with underreporting rates close to 50% for typical and commuting accidents and exceeding 85% for occupational diseases. These findings demonstrate the systemic invisibility of occupational injuries, driven by informality, reporting barriers, and weak institutional integration. By quantifying hidden cases and identifying high-risk groups, the study provides methodological and practical contributions to occupational safety research. The proposed approach enhances the understanding of accident dynamics and supports the development of more accurate surveillance systems, while offering insights to guide preventive strategies and public policies.