Análise e previsão utilizando séries temporais dos custos com benefícios ocupacionais no Brasil : período de 2022 - 2024

Abstract

RESUMO: Acidentes e doenças do trabalho representam uma preocupação global, com impactos significativos para trabalhadores, empregadores e a sociedade. Em 2019, mais de 395 milhões de pessoas em todo o mundo sofreram acidentes de trabalho não fatais. Esses eventos geram altos custos econômicos. Em 2017, por exemplo, os gastos com o tratamento de lesões e doenças ocupacionais representaram 3,9% do PIB mundial e 3,3% do PIB europeu. Esta dissertação analisa e prevê os custos com doenças e acidentes de trabalho que são pagos pelo governo federal brasileiro em forma de benefícios ocupacionais. Os objetivos desta pesquisa são: criar um banco de dados dos benefícios ocupacionais a partir dos arquivos fornecidos pelo portal brasileiro de Dados Abertos do governo federal, referentes ao período de março de 2022 a março de 2024 no Brasil, utilizando a metodologia Knowledge Discovery in Databases (KDD); analisar as variáveis do banco de dados: data da emissão, código espécie, região do país, sexo e cliente em relação ao valor dos benefícios, a fim de extrair tendências e informações relevantes; e construir um modelo de previsão de custos futuros com benefícios ocupacionais, utilizando séries temporais e o modelo estatístico Holt-Winters, para um horizonte de 9 meses (abril a dezembro de 2024). A previsão é realizada para o conjunto de dados como um todo e para os quatro benefícios ocupacionais existentes no Brasil: auxílio-doença por acidente de trabalho (B91), aposentadoria por invalidez por acidentes de trabalho (B92), pensão por morte por acidentes de trabalho (B93) e auxílio-acidente por acidente de trabalho (B94). Os resultados encontrados mostram que no período de março de 2022 a março de 2024, o conjunto de dados de benefícios ocupacionais apresentou um aumento estatisticamente significativo de 20,75%. Os valores dos benefícios recebidos pelo sexo masculino foram 2,02 vezes maiores do que os recebidos pelo sexo feminino. O modelo Holt-Winters Multiplicativo apresentou o melhor ajuste para todas as séries temporais analisadas, com métricas de MAPE (média dos erros percentuais absolutos) das previsões, variando de 0,79% a 4,12%, o que indica uma boa acurácia do modelo de previsão. A previsão para o conjunto de benefícios ocupacionais apontou uma tendência de crescimento de 5,66%, porém sem significância estatística

ABSTRACT: Work-related accidents and illnesses are a global concern, with significant impacts on workers, employers and society. In 2019, more than 395 million people worldwide suffered non-fatal workplace accidents. These events also generate high economic costs. In 2017, for example, expenses related to the treatment of occupational injuries and illnesses accounted for 3.9% of the global GDP and 3.3% of the European GDP. This dissertation analyzes and forecasts the costs of work-related illnesses and accidents covered by the Brazilian federal government in the form of occupational benefits. The objectives of this research are: to create a database of occupational benefits using files provided by the Brazilian federal government's Open Data portal, covering the period from March 2022 to March 2024 in Brazil, following the Knowledge Discovery in Databases (KDD) methodology; to analyze the database variables, including issuance date, benefit code, region of the country, gender and beneficiary, in relation to benefit values, in order to extract trends and relevant insights; and to develop a forecasting model for future occupational benefit costs using time series analysis and the Holt-Winters statistical model for a nine-month horizon, from April to December 2024. The forecast is conducted for the dataset as a whole and for the four existing occupational benefits in Brazil: sickness benefit due to work-related accidents (B91), disability retirement due to work-related accidents (B92), death pension due to work-related accidents (B93) and accident assistance due to work-related accidents (B94). The results show that from March 2022 to March 2024, the occupational benefits dataset experienced a statistically significant increase of 20.75%. The amounts received by male beneficiaries were 2.02 times higher than those received by female beneficiaries. The Multiplicative Holt-Winters model provided the best fit for all analyzed time series, with MAPE, mean absolute percentage error, values for the forecasts ranging from 0.79% to 4.12%, indicating good forecasting accuracy. The forecast for the set of occupational benefits pointed to a growth trend of 5.66%, though without statistical significance