MSP José Noé Rizo Amézquita Director de la Sección Técnica de Determinantes Sociales de la Sociedad Mexicana de Salud Pública (SMSP) Investigador en Salud y Seguridad Social de la Conferencia Interamericana de Seguridad Social (CISS) Profesor de la Facultad de Medicina del Departamento de Salud Pública de la Facultad de Medicina de la UNAM.
Dr. Ricardo Escamilla Santiago Director de la Sección Técnica de Educación y Talento Humano en Salud Pública (SMSP) Jefe del Departamento de Salud Pública de la Facultad de Medicina de la UNAM.
Introducción
La Salud y la Seguridad en el Trabajo (SST) juega un importante papel en el bienestar de los empleados como en la productividad de las empresas. Ambos mantienen una retroalimentación positiva, las mejores condiciones laborales mejoran la salud y satisfacción de los trabajadores, al mismo tiempo que incrementa la productividad y mantiene la salud organizacional de la empresa. Las empresas que implementan políticas de bienestar para sus empleados presentan un retorno de inversión significativo, un alza positiva de entre 2% y 5% de productividad pudiendo llegar hasta 12%, 25% menos de rotación de personal y atracción de candidatos mayormente cualificados (El País, 2024; Psico Smart, 2024). Estos datos evidencian la importancia de las políticas para la inclusión de SST en las empresas.
Además de sus efectos positivos hacia los empleados, la SST es importante en la prevención de accidentes y enfermedades laborales mediante la implementación de diversas normativas, tecnologías y estrategias de gestión del riesgo. Al respecto, datos de la Organización Internacional del Trabajo (OIT) indican que cada año ocurren aproximadamente 2.3 millones de muertes relacionadas con el trabajo en todo el mundo, adicional a los millones de accidentes y enfermedades laborales prevenibles, las cuales impactan negativamente en la productividad y la calidad de vida de los trabajadores (OIT, 2023). La gestión de SST podría reducir el número de incidentes laborales y contribuir a la eficiencia y competitividad de las empresas, minimizando los costos asociados a incapacidades, ausentismo y pérdida de productividad. A su vez, disminuiría la presión y sobrecarga de los sistemas de atención a la salud y de la seguridad social (El-Helaly, 2024).
A inicios de la década de 2010 se introdujo el concepto de Industria 4.0 (I4.0) para resaltar la influencia que la inteligencia artificial (IA) ha tenido en las empresas, tanto en sus procesos como en los productos que genera (Macias-Aguayo et al., 2022). Junto a la I4.0, se definió el paradigma de Seguridad 4.0 (S4.0) para establecer la manera en que la IA y diferentes tecnologías emergentes fortalecen la SST (Park & Kang, 2024). ). Los sistemas de IA generados para la S4.0 permiten manejar una cantidad vasta de datos y emplear algoritmos complejos para detectar patrones ocultos útiles para predecir y prevenir accidentes laborales en las organizaciones.
En este contexto, en el presente trabajo se revisaron los datos históricos de accidentes laborales en México en el periodo de 2015 a 2024 y se comparó el número de accidentes laborales de 2016 a 2019 (prepandemia) con el de 2020 a 2024 (pandemia de COVID-19 y años posteriores). Además, para cada uno de estos periodos se estimó un modelo de series temporales (híbrido Prophet + ARIMA) para predecir el número de accidentes de trabajo en un escenario sin pandemia y otro (SARIMA) para analizar la evolución en el tiempo de los accidentes laborales desde abril 2023, mes en el que ocurrió el cese de actividades laborales, hasta 2024. Finalmente, se desarrollará la manera en que el uso de la IA y la S4.0 puede contribuir a la SST.
Análisis de Datos Históricos de Accidentes de Trabajo en México (2015-2024)
El Instituto Mexicano del Seguro Social (IMSS) es el sistema más grande de seguridad social en México. El IMSS opera principalmente para los trabajadores del sector privado y sus familiares o beneficiarios. El financiamiento del IMSS como esquema de seguridad social se sustenta a partir de las contribuciones de los empleados y empleadores, así como del gobierno federal. Con ello, el IMSS es capaz de brindar atención médica, seguros de invalidez, vida y maternidad, pensiones y protección en caso de riesgos laborales.
Cuando un empleado asegurado por el IMSS tiene un accidente laboral, el empleador está obligado a reportarlo a la Secretaría del Trabajo y Previsión Social (STPS), la cual debe registrarla e investigar las causas del accidente, así como de garantizar el cumplimiento de las normativas de seguridad y salud en el trabajo que se establecen en la Ley Federal del Trabajo (Cámara de Diputados del H. Congreso de la Unión, 2023) y la Norma Oficial Mexicana NOM-030-STPS-2009, Servicios preventivos de seguridad y salud en el trabajo-Funciones y actividades (STPS, 2009). La STPS registra los accidentes de trabajo en el Sistema Integral de Administración de Accidentes de Trabajo (SIAAT) a fin de garantizar la atención médica requerida por el asegurado y dar seguimiento al caso. El SIAAT comenzó a operar en 2015 y se muestra en un portal de datos abiertos (STPS, 2025) el cual puede ser consultado y analizado a partir de diferentes rubros y años.
La Figura 1 muestra el número total de accidentes de trabajo reportados a la STPS y registrados en el SIAAT de 2015 al 2024, mientras que la Figura 2 muestra un mapa de calor para su ocurrencia por estado en México durante el mismo periodo.
Durante el primer año de funcionamiento del SIAAT el número de accidentes de trabajo registrados fueron mínimos. Sin embargo, a partir de 2016 se aprecia un incremento vertiginoso de enero a mayo y una posterior estabilización, que, en términos generales, se mantiene hasta enero del 2020. Durante febrero y marzo de este año se aprecia un decremento, que alcanza un valor mínimo en abril de 2021. Este repentino patrón descendente es producto del cese de actividades económicas como una estrategia para combatir la pandemia por COVID-19, declarada oficialmente en México el 30 de marzo de 2020 (Gobierno de México, 2020). En los meses siguientes, ocurre nuevamente un incremento vertiginoso que comienza a estabilizarse hasta agosto de 2022, aunque con una aceleración positiva menor aún presente (Figura 1). En la Figura 2 se puede notar que, para el total de accidentes de trabajo, el mayor número de ellos ocurren en 5 estados: Estado de México (65,510), Baja California (58,590), Ciudad de México (57,709), Jalisco (56,475) y Quintana Roo (51,920). Adicionalmente, el análisis de la Figura 1 permite claramente distinguir dos periodos para el registro de los accidentes laborales con el SIAAT: 1) periodo prepandemia: de enero 2015 a diciembre 2019; y, 2) periodo de pandemia y años posteriores: de enero de 2020 a diciembre de 2024. Cada uno de estos periodos se describirán a continuación.
Periodo prepandemia: de enero 2015 a diciembre 2019
La Figura 3 muestra el número de accidentes de trabajo en este periodo. La tendencia general muestra un registro con cifras anómalamente bajas durante 2015, lo cual puede ser atribuido a que es el primer año de funcionamiento del SIAAT. A partir de enero de 2016, el número de accidentes de trabajo registrado muestra una tendencia general al alza, con cifras relativamente estables entre 2017 y 2019. Se detecta también una estacionalidad que indica un mayor número de accidentes de trabajo entre mayo y julio, con un decremento hacia los meses de noviembre y diciembre. El pico ascendente puede deberse a un aumento en la actividad laboral. En cambio, existen varias posibles explicaciones del pico más bajo. Este descenso puede ser debido al menor número de trabajadores en activo por periodos vacacionales y/o días festivos, al término de sus contratos laborales, por un subregistro de casos, o por una mezcla de todos estos factores.
En la Figura 4 se aprecia el número de accidentes de trabajo por estado en México durante este periodo. Los 5 estados con mayor número de accidentes laborales son Estado de México (9,257), Ciudad de México (8,992), Jalisco (7206), Baja California (6293), Quintana Roo (5,868).
La continuidad de la tendencia general se vio coartada por la pandemia por COVID-19 que ocurrió en 2020 a nivel global. Antes de abordar este aspecto, se mostrarán los resultados de un modelo de series temporales híbrido (Prophet + ARIMA; c.f Fierro et al., 2022) entrenado con los datos de enero de 2016 a diciembre de 2018, validado con los datos de 2019 (i.e., contrasta los datos predichos con los datos reales) y utilizado para predecir el patrón de accidentes de trabajo de 2020 a 2022 en un contexto en el que la pandemia no hubiera ocurrido. El modelo se muestra en la Figura 5. El Error Absoluto Porcentual Medio (MAPE) = 5.47 indica que, en promedio, los valores predichos del modelo se desvían 5.47% respecto a los datos reales; mientras que el coeficiente de determinación (R2) = 0.63, indica que aproximadamente el modelo estimado explica el 63% de la variabilidad en los datos. El porcentaje no explicado (i.e., 36.32%) puede ser atribuido a variables diversas no analizadas en este documento, como la región, el tipo de industria o sector laboral, variables sociodemográficas, entre otras. A partir del modelo híbrido estimado es posible ver que, en un escenario hipotético sin pandemia, el comportamiento de los accidentes de trabajo que pudieron haber ocurrido entre 2020 y 2023 se asemeja al detectado entre 2017 y 2019, ya antes descrito, aunque con una ligera tendencia a la baja.
Periodo de pandemia y años posteriores: de enero de 2020 a diciembre de 2024
La pandemia por COVID-19 ocurrida entre 2020 y 2022 fue un evento inédito en la historia contemporánea, y de hecho la primera ocasión que un virus se difunde a nivel global a tal velocidad que compromete una vasta cantidad de actividades sociales, por no decir la vida misma de los individuos. En el caso de los accidentes laborales, el cese de las actividades económicas en un momento en que el SIAAT se encontraba operativo y ya con años funcionando, ofreció una oportunidad para identificar la evolución del número de accidentes de trabajo. La Figura 6 muestra el número de accidentes de trabajo reportados a partir de abril, posterior a la declaratoria de pandemia en México el 30 de marzo de 2020, y hasta diciembre de 2024.
En abril de 2020 se reportaron 1306 accidentes laborales, el número más bajo desde enero de 2016 cuando el SIAAT tenía apenas un año implementado y podía considerarse funcionalmente operativo. Desde entonces continuó con una tendencia al alza, que alcanzó un pico máximo en octubre, aunque por debajo de cifras prepandemia, para descender en los meses finales de este año. El pico máximo en octubre es un dato anómalo, ya que datos del periodo previo a la pandemia mostraban que el máximo estacional ocurría entre mayo y julio. No obstante, durante estos meses de 2020 justo se vivió la primera ola o pico de contagios por COVID-19, siendo Ciudad de México, Estado de México y Baja California las zonas más afectadas. Estas mismas entidades se encuentran dentro de los primeros 5 estados con mayor número de accidentes de trabajo en el periodo prepandemia. En 2021 se aprecia una tendencia general moderadamente al alza hasta junio, con una ligera caída posteriormente y una estabilización que se mantiene entre septiembre y diciembre. La tercera ola de COVID-19 ocurrió entre julio y septiembre de este año, lo que puede explicar la caída de accidentes de trabajo reportados por una nueva jornada de cese de actividades laborales. Durante esta ola, los estados más afectados fueron Ciudad de México, Estado de México y Jalisco, justo los tres primeros lugares en accidentes laborales en el periodo prepandemia. El patrón de incremento sostenido en el primer semestre del año se mantiene en 2022, con una caída en julio. Además, se aprecia un pico entre junio y agosto, y una posterior disminución entre septiembre y diciembre. De enero hasta agosto de 2023, hubo un aumento sostenido de accidentes de trabajo, el cual puede ser explicado por el retorno a las actividades laborales y la declaratoria del fin de la pandemia a inicios de mayo (Secretaría de Salud, 2023). Los picos fueron más marcados en este año con respecto a los previos y se mantuvo el pico ascendente entre junio y agosto, para posteriormente descender de septiembre a diciembre. Finalmente, para 2024 se detecta un incremento sostenido en el número de accidentes de trabajo de enero a julio, mes con el mayor número de casos desde el inicio del periodo de pandemia y los años posteriores. Además, ocurre un pico entre junio y julio para posteriormente disminuir progresivamente hasta diciembre. Debe resaltarse el hecho de que en agosto de 2022 se reportó el número más alto de accidentes de trabajo en el total de datos del SIAAT, siendo 5181 casos; posterior a esta fecha, los picos máximos han ido aumentando (septiembre 2023 = 5660; julio 2024 = 6062). Estos datos rebasan el valor máximo de accidentes laborales reportados en el periodo prepandemia que fue de 4707 en julio de 2019.
La Figura 7 muestra el número de accidentes totales por estado en México durante el periodo de pandemia y años posteriores. Los 5 estados con mayor número de casos fueron: Baja California (11,247), Estado de México (8,784), Chihuahua (8,456), Quintana Roo (8,151) y Jalisco (7,856). Debe señalarse que Baja California pasa, del puesto número 3 en el periodo prepandemia, al puesto número 1; Chihuahua se integra en el puesto número 3 y Ciudad de México sale de esta lista.
Para este periodo se estimó un modelo de series temporales SARIMA. Se emplearon los datos de abril 2020 a diciembre 2023 para su entrenamiento, los datos reales y predichos de 2024 para validarlo, y se realizó la predicción de accidentes laborales para 2025. El modelo se muestra en la Figura 8. El Error Absoluto Porcentual Medio (MAPE) = 4.52 indica que, en promedio, los valores predichos del modelo se desvían 4.52% respecto a los datos reales; mientras que el coeficiente de determinación (R2) = 0.67, indica que aproximadamente el modelo estimado explica el 67% de la variabilidad en los datos. El porcentaje no explicado (i.e., 33%) puede ser atribuido a variables diversas no analizadas en este documento, como la región, el tipo de industria o sector laboral, variables sociodemográficas, entre otras. A partir del modelo SARIMA estimado es posible predecir el comportamiento de los accidentes de trabajo para el presente año.
Antes de cerrar esta sección, debe señalarse que el patrón previo a la pandemia es muy diferente al registrado para el periodo de pandemia y años posteriores. Además, este último muestra una constante tendencia al alza, que indica que la SST se encuentra comprometida ya que muestra aún una leve aceleración positiva y con valores mayores a los máximos registrados en el periodo prepandemia (Figura 9). Mayor investigación debe ser realizada para entender este cambio y poder diseñar estrategias de contención y reducción de accidentes de trabajo. Este aspecto, abordado desde la I4.0, la S4.0 y la IA en la siguiente sección.
El papel de la Industria 4.0, la Seguridad 4.0 y la Inteligencia Artificial en la prevención y contención de los accidentes de trabajo
El concepto de Industria 4.0 (I.4.0), definido a inicios de la década de 2010, integró la revolución tecnológica y de las ciencias computacionales a la gestión, a los procesos de producción y a los productos y/o servicios ofrecidos por una empresa para otras empresas (modelo B2B) o para los consumidores finales (modelo B2C). La automatización y digitalización de toda la cadena de valor incorporó tecnologías como la inteligencia artificial (IA), la ciberseguridad, los sensores inteligentes, los robots colaborativos y la realidad aumentada en la gestión de los entornos laborales y los bienes y servicios. Sobre el primer aspecto, la gestión de los entornos laborales, la I4.0 tiene también la capacidad de potenciar la seguridad en el trabajo para la disminución y contención de accidentes de trabajo. Para alcanzar esta meta, la I4.0 debe centrarse en la integración de tecnologías inteligentes para monitorear, predecir y prevenir accidentes. El área específica abocada al cumplimiento de esta meta se conoce como Seguridad 4.0 (S4.0), que, haciendo uso de algoritmos predictivos de la IA instrumentados en procesos automatizados ejecutados en tiempo real, es capaz de detectar señales de advertencia de accidentes de trabajo, tales como movimientos inusuales de maquinaria o comportamientos peligrosos de los empleados. Esta detección, facilita a las empresas implementar medidas correctivas antes de que se materialice un incidente; esto es, prevenir accidentes de trabajo. La contención de accidentes de trabajo puede igualmente llevarse a cabo mediante la capacitación de personal en funciones laborales, como de personal de nuevo ingreso, haciendo uso de simuladores de realidad aumentada (AR) y/o virtual (VR), a fin de que los empleados puedan situaciones peligrosas en un entorno controlado y aprender cómo reaccionar ante ellas (López et al., 2022).
Una introducción accesible a los conceptos básicos de la IA puede verse en (LaSalud.mx, 2025), publicado por el mismo autor de este trabajo. En cuanto a su campo de aplicación, la Tabla 1 resume y organiza algunos de los usos en la prevención y contención de accidentes de trabajo que la IA, sus tipos y algoritmos, permite.
Incluso, a la fecha existen ya varios proyectos desarrollados que emplean la IA para mejorar la seguridad en el trabajo. Por ejemplo, el Proyecto PREV.IA utiliza IA para analizar patrones de riesgo y emitir alertas en tiempo real sobre conductas peligrosas (Plain Concepts, n.d.). El Modelo Predictivo de Riesgos Laborales capitaliza la IA y el análisis de video para anticipar accidentes en entornos productivos de alto riesgo (Asociación Chilena de Seguridad, n.d.). Finalmente, la Detección de Condiciones Inseguras con Computer Vision emplea análisis de imágenes y videos para identificar peligros en el entorno laboral antes de que ocurran accidentes (Secmotic, n.d.).
Finalmente, es importante mencionar que el uso de IA y S4.0 en la I.4.0 implica importantes desafíos que aún deben ser superados. Entre ellos se encuentra, pero no se limitan, la necesidad de una fuerte inversión en infraestructura y capacitación de alto nivel para su adquisición y uso correcto, la legislación sobre privacidad y uso ético de datos personales de la población laboralmente activa y la concientización y aceptación del empleo de estas nuevas tecnologías en el campo laboral. Esto último pese a la aparente aceptación implícita de ellas en la vida cotidiana y que se refleja en los productos y accesorios personales denominados Smart.
Reflexiones finales
Este trabajo tuvo un doble propósito. El primero fue revisar y analizar los datos históricos de accidentes laborales en México en el periodo de 2015 a 2024 y se comparó el número de accidentes laborales de 2016 a 2019 (prepandemia) con el de 2020 a 2024 (pandemia de COVID-19 y años posteriores). Los resultados mostraron que, tras la implementación del SIAAT por parte de la STPS, se estableció un mecanismo de registro de accidentes laborales para trabajadores activos con seguridad social por parte del IMSS. Durante los años 2016 a 2016, el análisis mostró una tendencia estable, con periodos estacionales al alza entre mayo y julio y a la baja entre noviembre y diciembre, mismo que pudo haber continuado, con una ligera tendencia a la baja de no ser por la irrupción de la pandemia por COVID-19 en 2020. Esto último estimado a partir de un modelo híbrido de series temporales. Para el periodo de 2020 a 2024, la evolución en la frecuencia de accidentes laborales a partir de un mínimo histórico en abril de 2020 a diciembre de 2024 ha mostrado un incremento sustantivo, con variaciones en los picos estacionales y una tendencia al alza que no ha logrado estabilizarse incluso para diciembre de 2024. Además, se notaron cambios geográficos en la cantidad de accidentes laborales en el periodo previo a la pandemia con respecto al de la pandemia y años posteriores. El conjunto de estos resultados señala la importancia de enfocar los esfuerzos por alcanzar una clara comprensión de los factores asociados a la ocurrencia de accidentes de trabajo en el México actual.
El segundo objetivo fue describir los usos potenciales de la IA en la prevención y contención de los accidentes de trabajo. Para ello se revisaron conceptos como la I4.0, la S4.0 y se describieron posibles usos de los componentes de la IA al respecto. Específicamente el Machine Learning (ML) y el Deep Learning (DL). Es importante hacer un llamado al gobierno federal y a las dependencias encargadas de la vigilancia y regulación de las condiciones laborales en México, para el desarrollo e implementación de políticas públicas en el campo laboral que busquen integrar los avances de la I4.0 y la S4.0 para la SST. Esto tanto para los empleadores a nivel público como privado.
Una de las limitaciones de este trabajo es que se basó únicamente en datos provenientes de trabajadores afiliados al IMSS, lo que deja fuera otros sectores de la población laboral en México, y por supuesto a los trabajadores informales, que para 2024 representó el 54.6% de la población activa. Esto es, 1 de cada 2 trabajadores en México está en riesgo de sufrir un accidente laboral y no cuenta con seguridad social que pudiera atender a sus necesidades (Eleconomista.com.mx, 2025).
En conclusión, la estabilidad y ligera tendencia a la baja en los accidentes de trabajo que empezaba a percibirse de 2016 a 2019 se vio coartada por la pandemia por COVID-19 ocurrida a inicios de 2020. Del inicio de la pandemia a la fecha, el número de accidentes de trabajo se ha mantenido al alza, con cifras mayores a los máximos del periodo previo a la pandemia. Esto urge a las autoridades correspondientes a establecer medidas de contención que frenen y disminuyan la ocurrencia de estos casos. El uso de la IA puede ser una herramienta poderosa para alcanzar esta meta, pero hace falta una plena convicción y amplios recursos, por parte de actores de diferentes esferas como gobierno, empleadores públicos y privados y la sociedad en general, para poder establecerla en México.
Referencias
- Asociación Chilena de Seguridad (ACHS). (n.d.). Home. ACHS. https://www.achs.cl
- Cámara de Diputados del H. Congreso de la Unión. (2023). Ley Federal del Trabajo. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFT.pdf
- El País. (2024, octubre 13). Inversión en bienestar: las empresas apuestan por la salud de sus empleados para mejorar la productividad. El País. Recuperado el 21 de marzo de 2025, de https://elpais.com/economia/negocios/2024-10-13/inversion-en-bienestar.html
- Eleconomista.com.mx. (2025, enero 7). Población ocupada en informalidad repuntó en noviembre. El Economista. https://www.eleconomista.com.mx/economia/poblacion-ocupada-informalidad-repunto-noviembre-20250107-740855.html
- El-Helaly, M. (2024). Artificial intelligence and occupational health and safety, benefits and drawbacks. La Medicina del Lavoro, 115(2), e2024014.
- Fierro, T. C. Á., Castillo, P. V. H., & Torres, S. C. I. (2022). Análisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda: Enfoques y características. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 12(24). https://doi.org/10.23913/ride.v12i24.1203
- Gobierno de México. (2020, marzo 30). Se declara como emergencia sanitaria la epidemia generada por COVID-19. https://www.gob.mx/cjef/documentos/se-declara-como-emergencia-sanitaria-la-epidemia-generada-por-covid-19?idiom=es
- LaSalud.mx. (2025, febrero 27). La atención a la salud en la era de la inteligencia artificial: aplicaciones para la mejor calidad y gestión en los sistemas de salud. La Salud. https://lasalud.mx/2025/02/27/la-atencion-a-la-salud-en-la-era-de-la-inteligencia-artificial-aplicaciones-para-la-mejor-calidad-y-gestion-en-los-sistemas-de-salud/
- Lopez, J., Chela, M., Perez, V., & Vallejo, F. (2022). Industry 4.0: Reengineering of worker health and safety. Athenea Engineering Sciences Journal, 3(10), 30-37. https://doi.org/10.47460/athenea.v3i10.46
- Macias-Aguayo, J., Garcia-Castro, L., Barcia, K. F., McFarlane, D., & Abad-Moran, J. (2022). Industry 4.0 and Lean Six Sigma integration: A systematic review of barriers and enablers. Applied Sciences, 12(22), 11321. https://doi.org/10.3390/app122211321
- Organización Internacional del Trabajo (OIT). (2022). Informe sobre el trabajo en el mundo: El futuro del trabajo en la era digital (WCMS_865332). https://www.ilo.org/sites/default/files/wcmsp5/groups/public/%40dgreports/%40inst/documents/publication/wcms_865332.pdf
- Park, J., & Kang, D. (2024). Artificial intelligence and smart technologies in safety management: A comprehensive analysis across multiple industries. Applied Sciences, 14(24), 11934. https://doi.org/10.3390/app142411934
- Plain Concepts. (n.d.). Home. Plain Concepts. https://www.plainconcepts.com
- Psico Smart. (2024). Cómo el bienestar de los empleados impacta en el rendimiento organizacional y cómo medirlo. Psico Smart. Recuperado el 21 de marzo de 2025, de https://psico-smart.com/articulos/articulo-como-el-bienestar-de-los-empleados-impacta-en-el-rendimiento-organizacional-y-como-medirlo-120772
- Secmotic. (n.d.). Home. Secmotic. https://secmotic.com
- Secretaría de Salud. (2023, 9 de mayo). México pone fin a la emergencia sanitaria por COVID-19: Secretaría de Salud. Gobierno de México. https://www.gob.mx/salud/prensa/mexico-pone-fin-a-la-emergencia-sanitaria-por-covid-19-secretaria-de-salud
- Secretaría del Trabajo y Previsión Social (STPS). (2009). Norma Oficial Mexicana NOM-030-STPS-2009, Servicios preventivos de seguridad y salud en el trabajo – Funciones y actividades. Diario Oficial de la Federación. https://www.dof.gob.mx/normasOficiales/3923/stps/stps.htm%23:~:text%3DNORMA%2520Oficial%2520Mexicana%2520NOM%252D030%2Cel%2520trabajo%252DFunciones%2520y%2520actividades%26text%3DEstablecer%2520las%2520funciones%2520y%2520actividades%2Caccidentes%2520y%2520enfermedades%2520de%2520trabajo
- Secretaría del Trabajo y Previsión Social (STPS). (2025). Sistema Integral de Administración de Accidentes de Trabajo (SIAAT). Recuperado el 21 de marzo de 2025, de https://www.stps.gob.mx/gobmx/estadisticas/siaat.htm
