LA EDUCACIÓN VIAL Y LA ACCIDENTALIDAD EN LA CIUDAD DE MEDELLÍN

PARA EL AÑO 2018

Samuel Arenas

Anderson Bernal

Sebastián Espinosa

Facultad de Ciencias Humanas y Económicas, Universidad Nacional de Colombia

sede Medellín

Economía Pública

Jonathan Gómez

16 de marzo de 2020
Resumen
Objetivo: revisar el tema de la educación vial y la accidentalidad para evidenciar
qué relación tienen entre sí, puesto que la accidentalidad se considera un problema
de salud pública que regularmente se puede tratar con la apropiada ilustración de la
población. Metodología: se buscó información teórica de índole nacional e
internacional al respecto mediante medios físicos y magnéticos, como también en
bases de datos y se implementó un modelo para variable de conteo Binomial
Negativo. Conclusiones: Debido a la limitación de información, no se puede
concluir sobre la relación, pero se plantean la importancia de seguir investigando el
tema.

Introducción

Es innegable la necesidad que tienen las ciudades actuales por un adecuado

sistema de transporte que permita a sus habitantes movilizarse a través de ellas y
realizar sus actividades de la manera más ágil posible. Sin embargo, siempre habrá
un peligro asociado a la movilización cualquiera que sea el medio de transporte, en
ese sentido, no es de extrañar que exista una problemática mundial en cuanto a
accidentes de tránsito se refiere, pues cada año a nivel mundial se pierden 1,35
millones de vidas en accidentes de tránsito (OMS, 2017) y aunque la Organización
Mundial de la Salud ha estado luchando para reducir estas cifras, la expansión de
las ciudades y el parque automotor siguen haciendo del problema algo muy
complejo de manejar.

Colombia no es ajena a esta problemática, puesto que solo en el año 2018 se

registraron en el país 46.416 accidentes de tránsito, de los cuales el 14,82% fueron
fatales (6.879), lo cual representa un aumento de un 1.85% frente a la cifra de
muertes para 2017 que fue de 6754 (Forensis, 2018). De esta forma, la
accidentalidad vial representa un costo para el país, tanto social como económico,
pues no solo se trata de los individuos productivos que pierde el país, sino también
de aquellos cuyas lesiones dejan secuelas que deben ser atendidas por el sistema
de salud. Solo para el año 2016 según estimaciones de la Federación de
Aseguradores Colombianos (Fasecolda) la accidentalidad le costó 2,3 billones de
pesos al Sistema de Aseguramiento Social para la Accidentalidad Vial (Fasecolda,
2018). Es por esto que éste es un tema de salud pública que el Estado debe abordar
con urgencia.

Por esta razón, en ciudades como Medellín, la cual aportó 239 muertos y 2.551
lesionados en accidentes de tránsito en el año 2018 (Forensis, 2018), se han
planteado estrategias para reducir estas cifras. Esta ciudad en particular tiene el
Plan de Movilidad Segura de Medellín 2014 - 2020 en el cual se contemplan
intervenciones a los conductores como medida para reducir la accidentalidad vial,
sin embargo, la literatura ha cuestionado la efectividad de estas medidas. Así pues,
este trabajo se propone identificar si hay un efecto positivo asociado a las
intervenciones efectuadas por la secretaría de movilidad respecto a la reducción de
accidentes para el año 2018.

Este trabajo consta de una primera parte introductoria en donde se exponen nuestra
motivación y objetivo, seguido de un marco conceptual que muestra los
antecedentes del problema y las metodologías planteadas para su tratamiento. En la
tercera parte se aborda el análisis aplicado con la definición del objeto de estudio, el
marco institucional que lo rige y la metodología a usar. Finalmente, en la cuarta y
quinta parte se presentan los resultados y la discusión de los mismos,
respectivamente.

Marco Conceptual

La importancia del análisis de la efectividad de los programas públicos radica en

determinar cuál es el impacto sobre su población objetivo. De esta forma, en el caso
de la evaluación de las intervenciones de seguridad vial, se busca establecer cuáles
son los beneficios sociales de dichos programas, dada la problemática que
representa la accidentalidad vial para la salud pública en términos de pérdidas de
vidas humanas (OMS, 2020). Además, dado que el transporte participa notoriamente
en la vida cotidiana de la población, una buena planeación vial por parte del Estado
es clave para disminuir el riesgo de accidentes y el problema de la salud mental de
los ciudadanos (Lee & Sener, 2016)

Así lo muestra el trabajo realizado por el Banco Mundial, que ha relacionado dichas
afectaciones a una ganancia o pérdida del bienestar, con el cual calcula que el
crecimiento potencial del producto interno bruto (PIB) per cápita de los países que
no invierten en seguridad vial podría reducirse entre 7 % y 22 % en un período de 24
años (world bank group, 2017).

En ese sentido, la intervención del Estado se ve justificada dado su papel de

maximizador del bienestar social. Así también lo ilustra el trabajo de (Sun, Liu, Chen,
& He, 2019) quienes recalcan la importancia de la intervención estatal por medio de
la inversión en planes de seguridad vial integral para reducir los accidentes de
tránsito y no atribuirle la culpa de la accidentalidad en su totalidad a los individuos,
considerando que hay variables que van más allá de las personas, como el diseño
de las vías y el diseño del vehículo. El trabajo de (Haddon  Jr, 1980) va encaminado
a tal fin, ya que busca entender el fenómeno de la accidentalidad desde un enfoque
epidemiológico en el que un accidente deja de percibirse como un evento fortuito y
pasa a ser una situación que es evitable, (ver anexo 1).

En virtud de ello, la educación vial ha surgido como una de las principales

estrategias de intervención estatal en materia de reducción de accidentalidad a nivel
mundial. Y aunque la literatura científica que aborda esta problemática se evidencia
un disenso respecto a la efectividad de estos programas, existen trabajos como el de
(Assailly, 2017) el cual resalta la importancia de los programas pedagógicos de
educación vial y de su integración en Sistemas Viales Seguros, que consisten en
infraestructura vial, legislación y vehículos, de manera que la seguridad se incorpore
al diseño del sistema y no dependa únicamente de las decisiones de los usuarios
individuales de la carretera. Por otra parte, (Novoa, Pérez, & Borrell, 2009) señala
que entre las medidas de seguridad vial que no son efectivas, se destacan las
intervenciones basadas exclusivamente en la educación de las personas usuarias,
ya que este tipo de intervenciones únicamente son efectivas si se utilizan como
apoyo a otro tipo de medidas. Ambos autores concuerdan en la aplicación del
modelo preventivo que concibe el transporte como un sistema dinámico que ha de
funcionar apropiadamente en base a la correcta relación del factor humano, factor
mecánico y elementos del entorno.

Ahora, en busca de estudiar el factor humano de este sistema dinámico, (Obregón,

Betanzo, Romero, & Ríos, 2018) destacan la importancia de identificar en un primer
momento el estado del conocimiento de los involucrados sobre la seguridad vial, con
el propósito de saber cuáles son los sectores que más se deben intervenir para que
las medidas sean más eficaces. Adicionalmente, (Ferrández, Callejo, Ibáñez, &
Vidal, 2006) estudió la efectividad de la sensibilización en un colegio catalán
explicada por la vivencia de un accidente y gravedad del mismo, a partir de lo cual
se encontró una relación incierta entre ellas. Por otra parte, (Haque & Haque, 2018)
realizan una evaluación del plan integral de seguridad vial implementado en Brunei
en 2014 (RSSA), tomando como grupo de control a Singapur, y llegan a la
conclusión de que, tras doce meses de implementación, el efecto neto del plan había
sido de un 32% en la reducción de accidentes con lesiones graves.

Ahora bien, existen estudios que intentan relacionar las infracciones de tránsito y la
toma de riesgos en la vía para dar conclusiones sobre la accidentalidad vial, entre
los cuales se encuentran (Topolšek, Babić, & Fiolić, 2019) que toma dos grupos, uno
de control y otro que asistió a un programa de educación vial, a partir de lo cual
concluyen que aquellos que participaron en el programa pueden causar menos
violaciones que conduzcan a accidentes de tránsito. (Chraif, Anitei, & Alex, 2013) al
igual que el anterior toman un grupo al cual exponen a una publicidad sobre las
consecuencias de tomar riesgos en la vía y otro grupo de control, y concluyen que
en promedio las personas expuestas a la publicidad son menos propensa a tomar
riesgos. De lo anterior se entiende que la reducción en las infracciones conlleva a la
reducción de la accidentalidad, sin embargo, el estudio (Peck, 1976) expone que
dicha relación no es tan clara y no se debe concluir sobre la accidentalidad a partir
de la reducción de las infracciones o violaciones de tránsito.

En la literatura también se pueden encontrar diferentes revisiones bibliográficas

sobre la efectividad de las intervenciones, las cuales han llegado a conclusiones
distintas. Por ejemplo, el trabajo de (Ker et al., 2005) concluye que, aunque haya
evidencias de reducciones en infracciones de tránsito y accidentalidad en los
trabajos analizados, no los consideran significativos y los atribuyen a errores de
estimación. Por otro lado (Masten & Peck, 2004) recopilan diferentes estudios de
intervención en los conductores y concluyen que dependiendo del método de
intervención que va desde advertencias, reuniones grupales e individuales, hasta
suspensión de licencias; la reducción de las infracciones y los accidentes es mayor.
De esta forma, las conclusiones a las que se llegan sobre la intervención en materia
de educación vial y la reducción de accidentalidad, no son claras y no llevan a un
consenso.

En definitiva, para lograr la persuasión de la población respecto a la educación vial

se utilizan campañas que son difundidas a través de diferentes medios de
comunicación y donde según (Elder et al., 2004) se resalta la repetición del mensaje
para la asimilación del mismo, aunque no siempre se logre el objetivo, esto implica el
uso de otros métodos tales como la exclusión social, la vergüenza, el miedo y las
imágenes gráficas. De hecho, Colombia es partícipe de esta corriente haciendo una
distinción de grupos vulnerables para la implementación de grandes campañas.
(Forero, Triana, Andrade, Jimeno, & Navarro, 2006) enuncian algunas de ellas, entre
las que se destacan “Estrellas negras”, que contenía un fuerte mensaje gráfico,
como también "Si va a tomar no maneje, entregue las llaves" que buscaba crear una
relación de responsabilidad entre el conductor y los demás agentes viales.

Dicho esto, se debe resaltar que en Colombia es poca la literatura que busca
evidenciar la relación que tiene la educación vial sobre la accidentalidad. Estudios
como los de (Guerrero & Amararís, 2014) y (Avedaño, Arvalo, & Guerrero, 2016)
sólo han investigado las características que afectan la probabilidad de accidentes en
las vías, más no la importancia de lograr una sensibilización real en la población.

Objeto de estudio

Los impactos que tiene la accidentalidad vial sobre la sociedad son tomados por el
Estado como un problema que involucra la salud pública, la seguridad de los
ciudadanos y la movilidad del país, tal como lo dice el “Plan Nacional de seguridad
vial 2011-2021”. Dicho plan se adopta y se ajusta a mediante la Resolución 1282 de
2012 y la Resolución 2273 de 2014, y establece el mismo como una política de
Estado con la idea de propiciar y fomentar la formulación y aplicación de políticas en
todo el territorio nacional, esto por medio de cinco pilares estratégicos: Gestión
Institucional, Comportamiento Humano, Atención y Rehabilitación a Víctimas,
Infraestructura y Vehículos. Adicionalmente se presenta el “Plan decenal de Salud
Pública 2012-2021”, el cual se adopta a través de la Resolución 1841 de 2013 que
tiene como una de sus principales metas el reducir el número de víctimas fatales en
accidentes de tránsito en un 25% para el 2021. Para lograr esta meta se establecen
tres líneas operativas: promoción de la salud, gestión de riesgo en la salud y gestión
de la salud pública.

En consecuencia con lo anterior, la ciudad de Medellín se acoge a los planes previos

mediante el “Plan de Movilidad Segura de Medellín 2013-2020”, a través del decreto
1856 de 2014, el cual contiene una línea de análisis de seguridad vial y gestión de la
movilidad segura en la ciudad, que abarca cinco áreas de intervención, entre las
cuales se encuentra la de “cultura ciudadana para la movilidad segura” a partir de la
cual se genera el proyecto de educación para la movilidad y la vida de Medellín.

Este proyecto de educación vial es necesario debido a que en Medellín entre los
años 2014 y 2017, según estudios hechos por el Observatorio de la Secretaría de
Movilidad de la ciudad, el porcentaje de víctimas fatales en su mayoría estaba
conformado por motociclistas y peatones, los cuales representaban un 35% y 48%
respectivamente. Adicionalmente, para 2015 la secretaría de movilidad ya
identificaba los 20 lugares con mayor accidentalidad en la ciudad, con hasta un valor
de 281 accidentes de tránsito en un solo sitio (Secretaría de movilidad datos).
Teniendo en cuenta lo anterior y con el fin de identificar las comunas con mayor
accidentalidad en la ciudad, se realizó el mapa de calor como se ilustra en la Figura
1.
Figura 1. Mapa de calor accidentalidad en las comunas de Medellín 2018
 Fuente: Elaboración propia

Por lo anterior, y siguiendo el plan antes referenciado, la secretaría ha desarrollado

un programa de educación vial con 5 líneas distintas de trabajo 1. Entre las cuales se
encuentra la de Contacto Ciudadano: Intervenciones de Vía y Trámites, sobre la que
se centra este estudio.

De esta manera, el presente trabajo busca dar cuenta de la incidencia que tuvo la
educación vial, asociada a la línea de Contacto Ciudadano, en la disminución de la
accidentalidad en la ciudad de Medellín para el año 2018. En con concordancia con
lo que dice (Peces, 2016) se entiende el concepto de educación vial como toda
acción educativa formal o informal que pretenda concientizar a los agentes viales
sobre el buen comportamiento en las vías. De tal forma que para este trabajo se dirá
que aquella persona que asimiló correctamente la intervención y creó conciencia del
problema fue sensibilizada (Gutierrez, n.d.).
1
Incidencia y gestión, Laboratorios de movilidad en universidades y empresas, Planeación y análisis
de datos, Contacto ciudadano: intervenciones en vía y trámites, Experiencias ciudadanas
Metodología

El número de accidentes de tránsito que ocurren en un lugar en específico en

determinado momento del tiempo puede considerarse como la realización de una
variable aleatoria, la cual toma valores enteros no negativos. En ese sentido el mejor
modelo que tiene en cuenta esta particularidad es el Poisson. En este modelo se
especifica que cada y i es una realización proveniente de una población Poisson con
parámetro λ i el cual está relacionado a los regresores X i , donde su función de
densidad es como se ilustra en la Ecuación 1.

e− λ λ iλ
i i

f ( y i| X i )= y =0,1,2 , … (1)
yi ! i

'
Y el parámetro de la media es λ i=E [ y i| xi ] =exp ( x i β ).

No obstante, el modelo Poisson alberga suposiciones muy restrictivas, dado que

asume que la media y la varianza condicionales son iguales (Supuesto de la
equidispersión), lo cual puede representar problemas dado que se está suponiendo
que la heterogeneidad solo se presenta en las características observables de la
población, sin embargo, en algunas ocasiones el vector de variables x i de la muestra
no es suficiente para capturar la diferencia entre los individuos (Winkelmann &
Zimmermann, 1995).

Por lo anterior, se han propuesto modelos alternativos que hacen más flexible el
análisis frente a la heterogeneidad persistente de los datos, como lo es el modelo
Binomial Negativo, el cual propone que la muestra proviene de una distribución
Poisson pero existe heterogeneidad individual no observada que se distribuye
gamma y que refleja el hecho de que la media real no puede observase
perfectamente (Cameron & Trivedi, 1998). De tal forma que se define la función de
densidad de probabilidad como se ilustra en la Ecuación 2:

−1
yi
Γ ( y i +a−1 ) a−1
a
λi
f ( y|λα )=
( −1
Γ ( y i +1 ) Γ ( a−1 ) a + λ i )( a−1+ λi ) (2)
Donde λ i=exp ( x i β ) es la media, Γ ( .) es la función gamma y α ≥ 0 es el parámetro de
sobredisperción. Adicionalmente los dos primeros momentos de esta distribución
son:

E [ y i|x i ]=λi

Var [ y i|x i ] = λi (1+α i)

De donde se puede observar que el parámetro α representa la posibilidad de una

heterogeneidad adicional en el modelo. Para probar que el modelo Poisson es el
apropiado o no, se hace uso de la prueba de bondad de ajuste de Pearson con el
siguiente estadístico:

M
( y ¿ ¿ j−m j p j)2
χ 2=∑ Con M −K grados de libertad ¿
j=1 m j p j (1− p j)

Datos

Para el análisis del efecto que tiene la educación vial sobre la accidentalidad se
partió de la base de datos de “accidentalidad georreferenciada Medellín 2018”
dispuesta por la Secretaría de Movilidad y que se encuentra en la página de
MedData. Adicionalmente se usó la base de datos sobre intervenciones de la
Secretaría de Movilidad de Medellín. Con base en dicha información, se construyó la
base de datos final a partir del conteo de accidentes registrados en un mismo punto,
con variables asociadas a dicha localidad como lo son la comuna a la pertenece, su
estrato, un índice de educación, índice de calidad de vida, el diseño de la vía donde
se produjeron los accidentes y finalmente una variable que recoge el número de
intervenciones que se hicieron en la comuna asociada para el año 2018; cabe
resaltar que únicamente se utilizaron los datos de aquellos puntos de las comunas
en los que se presentaron cinco o más accidentes, dado que los puntos con cuatro o
menos accidentes estaban alejados de los puntos neurálgicos de accidentalidad y
podía considerarse como eventos aislados. Además, solo se estudian aquellas
intervenciones que se realizaron por fuera de las instalaciones de la Secretaría de
Movilidad como lo son las intervenciones en la vía, intervenciones en empresas y
eventos públicos.
En lo referente a las variables socioeconómicas, estas se obtuvieron de la siguiente
manera:

a) Índice de calidad de vida (IMCV): Esta variable se obtuvo del informe de

calidad de vida de Medellín de 2017, dada la falta de información que
registraba el informe para 2018. Este índice se calcula para cada comuna de
la ciudad y se tienen en cuenta distintas dimensiones como el entorno y
calidad de vivienda, acceso a servicios públicos, medio ambiente, entre otros.
2

b) Índice sintético de calidad educativa (ISCE): Éste índice fue tomado del
boletín para los resultados multidimensionales de calidad educativa de 2017
realizado por la Alcaldía de Medellín que asigna un valor a cada colegio de
las comunas de la ciudad, con lo cual se hizo un promedio para dicha
comuna.
c) Estrato: El estrato para la comuna se obtuvo a partir de la identificación de los
estratos de los barrios asociados a cada comuna y de la selección del estrato
más repetido.

Las variables usadas y sus categorías son listadas en la Tabla 1.

Tabla 1. Cuadro de variables

Variables en el modelo
Variable Definición
econométrico
Accidentesi Número de accidentes en un tramo de vía Número de accidentes
Comunai Comuna a la que pertenece el tramo de vía Popular
Santa Cruz
Manrique
Aranjuez
Castilla
Doce de Octubre
Robledo
Villa Hermosa
Buenos Aires

2
Para más información véase el informe suministrado por la página “Medellín cómovamos”.
https://www.medellincomovamos.org/download/documento-informe-de-calidad-de-vida-de-medellin-
2017/
 Candelaria
Laureles
América
San Javier
Poblado
Guayabal
Belén
Cantidad de personas intervenidas en la
CPRI i Personas intervenidas
comuna
Número de intervenciones hechas en la
NITV i Intervenciones en comuna
comuna en 2018
1
2
3
Estratoi Estrato de la comuna
4
5
6
IMCV i Índice de calidad de vida en la comuna Índice de calidad de vida
ISCEi Índice de algo en la comuna Índice de algo en la comuna
Tramo
Glorieta
Predio
Intersección
Viai El tipo de vía donde se produjo el accidente Puente
Paso Inferior
Paso Elevado
Vía peatonal
Ciclo Ruta

Adicionalmente se presenta la Tabla 2 con las descripciones estadísticas de las

variables dentro del análisis, donde se calculan la media, la desviación estándar, y
los máximos y mínimos de cada variable.

Tabla 2. Estadísticas descriptivas

Variable Media Desviación Mínimo Máximo

Número de accidentes 13,350 14,984 5 190
16108,068 12769,497 1123 35742
Cantidad de personas intervenidas
69,434 46,903 3 128
Número de intervenciones
55,086 11,094 34,8 75,3
Índice de calidad de vida
5,5841 0,820 3,624 7,157
Índice sintético de calidad educativa

De la tabla anterior se puede notar que, en la variable dependiente del análisis,

Número de accidentes, la media difiere en gran medida de la varianza, lo que puede
llevar a pensar que el supuesto de la equidispersión se está incumpliendo, por lo que
el modelo Poisson no sería el adecuado.

Resultados

El modelo planteado busca establecer si la cantidad de intervenciones hechas por la

secretaría de movilidad en las comunas de Medellín en el año 2018 tiene relación
con el número de accidentes ocurridos en localidades específicas de dichas
comunas, para este fin se planteó el modelo Poisson de variables de conteo dada
las características de la variable dependiente. Sin embargo, se hizo la prueba de
bondad de ajuste de Pearson para identificar que el modelo estuviera bien
especificado, con lo que se obtuvieron los resultados que se muestran en la Tabla 3.

Tabla 3. Prueba de bondad de ajuste Pearson

Prueba Estadístico Grl Vp
Pearson 6323,04 1994 0.0000

De esto se puede concluir que el modelo no ajusta de manera correcta y en ese

sentido deben plantearse metodologías que hagan un mejor ajuste como lo puede
hacer el modelo Binomial Negativo que tiene en cuenta la dispersión de los datos y
la heterogeneidad de los mismos. Dado lo anterior, se estimó el modelo por dicha
metodología y se consideró en el análisis que los datos estaban truncados en cuatro.
El ajuste se hace través del programa Stata14. Los resúmenes del modelo empleado
y los resultados de la estimación se muestran en la Tabla 4 y Tabla 5
respectivamente.

Tabla 4. Resúmenes estadísticos del modelo empleado

Regresión Binomial negativa
Estimación de Máxima Verosimilitud
Variable dependiente Número de accidentes
Variable de ponderación Constante
Número de observaciones 2019
Logaritmo de la función verosimilitud -6053,9491
Chicuadrado 327,44
Grados de libertad 23
Nivel de significación 0,0000
Pseudo R2 0,0263
 Tabla 5. Resultados del modelo
Error Intervalos de confianza
Accidentes Coeficientes estándar Estadístico z Valorp 95%
NITV -0,032 0,079 -0,400 0,689 -0,186 0,123
Comuna            
Santa Cruz 0,347 0,769 0,450 0,652 -1,160 1,854
Manrique 0,345 0,398 0,870 0,386 -0,435 1,126
Aranjuez 1,744 1,385 1,260 0,208 -0,972 4,459
Castilla 5,099 6,308 0,810 0,419 -7,264 1,746
Doce de
Octubre 0,431 0,506 0,850 0,394 -0,560 1,422
Robledo 2,736 1,924 1,420 0,155 -1,035 6,507
Villa Hermosa -0,057 0,380 -0,150 0,881 -0,801 0,687
Bueno Aires 1,054 0,386 2,730 0,006 0,297 1,811
Candelaria 5,546 9,216 0,600 0,547 -1,252 2,361
Laureles 3,925 4,972 0,790 0,430 -5,820 1,367
América 1,077 0,394 2,730 0,006 0,304 1,849
Poblado 5,266 8,823 0,600 0,551 -1,203 2,256
Guayabal 2,682 1,615 1,660 0,097 -0,484 5,848
Belén 1,751 1,537 1,140 0,255 -1,262 4,764
Diseño vía            
Glorieta 1,271 0,310 4,100 0,000 0,663 1,879
Predio -0,135 0,108 -1,260 0,209 -0,346 0,076
Intersección -0,440 0,090 -4,880 0,000 -0,617 -0,263
Puente 0,664 0,513 1,290 0,196 -0,342 1,671
Paso inferior 0,618 0,689 0,900 0,370 -0,733 1,968
Paso elevado -0,019 1,742 -0,010 0,991 -3,433 3,395
Cicloruta -1,272 0,599 -2,130 0,034 -2,445 -0,099
Constante -18,262 1,620 -0,740 0,457 -66.36744 29.884289
alpha 621248.5 1.00e+07 1.3e+04 0.000 1.06e-08 3.63e+19

De la tabla de resultados se puede apreciar en un primer momento que el modelo

global es estadísticamente significativo, sin embargo, la variabilidad de la cantidad
de choques producidos en los sitios identificados en el análisis es explicada en tan
solo un 2.63% por las variables usadas. De las variables que se usaron para la
regresión resultaron ser significativas tan solo las comunas de Buenos Aires y
América, con un signo positivo frente a la categoría de referencia que es la comuna
Popular, lo que quiere decir que en estas comunas la cantidad de accidentes tiende
a ser mayor en comparación con la comuna de referencia. Adicionalmente, para las
variables asociadas al Diseño de la vía, resultaron ser significativas las glorietas, las
intersecciones y las Ciclorutas, de lo cual se puede deducir que, en comparación a la
categoría de referencia que es Tramo de vía, en las glorietas y Ciclorutas se
producen más accidentes, mientras que en las intersecciones menos. Finalmente, la
variable de educación usada en el análisis (Número de intervenciones hechas en las
comunas), si bien el signo es negativo como se tenía esperado y en ese sentido el
número de intervenciones hechas en las comunas disminuye la cantidad de
accidentes producidos en las mismas, este resultado no es estadísticamente
significativo, lo cual no permite hacer inferencias sobre la verdadera relación
existente entre estas variables. Aun así, estos resultados van en línea con los
obtenidos por (Ker et al., 2005) en los análisis a revisiones bibliográficas sobre
efectos de las intervenciones sobre la accidentalidad, donde concluían que los
efectos no eran significativos y podían atribuirse a errores de estimación.

Debe resaltarse que en el análisis no se incluyeron las variables socioeconómicas

asociadas a las comunas debido a problemas de multicolinealidad generada por las
mismas. Esto se debió a un limitante en la base de datos, dado que no era posible
asociar dichas variables a cada punto de accidentalidad, sino a la comuna
perteneciente, en ese sentido, la variabilidad de dichas variables era inexistente. Sin
embargo, debe decirse que las categorías de las comunas recogen parte de la
variabilidad que se podía generar por las variables socioeconómicas consideradas,
tal como se puede ver en la Figura 2.

Figura 2. Relaciones variables socioeconómicas por comuna

8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Comunas de Medellín

ICV ISCE Estrato

Fuente: Elaboración propia

Conclusiones
En Colombia son nulos los trabajos que hacen un análisis sobre el efecto e impacto
que tiene la educación vial sobre la accidentalidad en Colombia, de tal forma que los
recursos destinados a los programas de intervención de este tipo, en miras de
reducir los accidentes, carecen de un sustento teórico sobre el cual apoyarse como
lo ha mostrado la literatura internacional con sus resultados inconsistentes. Es por
ello que son necesarios estudios que avalen este tipo de intervención y justifiquen el
gasto que se hace en ellos.

Ahora, aún cuando este trabajo no es concluyente al respecto en la relación

Educación vial – Accidentalidad, se han hallado relaciones importantes, por ejemplo,
se debe resaltar que el diseño de la vía es una variable que contiene categorías a
tener en cuenta en la implementación de planes de seguridad vial, puesto que las
glorietas y Ciclorutas son focos de más accidentes en comparación a los tramos de
vía.

Finalmente, dadas las limitaciones en cuanto a la información, no se puede concluir

al respecto de la relación buscada entre educación vial y accidentalidad, sin
embargo, este un paso importante en la tarea de visibilizar los problemas al interior
de estos programas que carecen de estudios que los sustenten. De esta forma, este
trabajo reconoce la relevancia de seguir estudiando dicha relación y propone como
estudios futuras líneas de investigación, análisis a través de metodologías de
impacto que puedan cuantificar el verdadero efecto que tiene la intervención del
Estado en este campo sobre la accidentalidad.

Anexos
Matriz de Haddon

Fase Factores
del accidente
Humano Mecánico Entorno

Antes Información y actitudes Maniobrabilidad, luces y Diseño vial y Señalización

frenos

Durante Uso de cinturones Dispositivos de seguridad Barreras viales

Después Habilidad de auxilio y Fácil acceso al chasis y Pronto rescate y

acceso al medico control de riesgo de fuego Congestión zonal
Fuente: Tomado y adaptado de la OMS, 2004.
Bibliografía

Assailly, J. P. (2017). Road safety education: What works? Patient Education and
Counseling, 100, S24–S29.
https://doi.org/https://doi.org/10.1016/j.pec.2015.10.017

Avedaño, Y., Arvalo, A., & Guerrero, T. (2016). Calibración de un modelo

econométrico para el análisis de la frecuencia de accidentes de tránsito con
peatones. Revista Ingenio, 8. Retrieved from
http://revistas.ufpso.edu.co/index.php/ringenio/article/view/237

Cameron, A. C., & Trivedi, P. K. (1998). Regression analysis of count data.

Cambridge University Press.

Chraif, M., Anitei, M., & Alex, S. (2013). The Effects of Exposure to the Publicity
Campaign “Stop the Accidents” on the Willingness to Take Risks in Traffic
Situations. Procedia - Social and Behavioral Sciences, 78, 562–566.
https://doi.org/https://doi.org/10.1016/j.sbspro.2013.04.351

Elder, R. W., Shults, R. A., Sleet, D. A., Nichols, J. L., Thompson, R. S., & Rajab, W.
(2004). Effectiveness of mass media campaigns for reducing drinking and
driving and alcohol-involved crashes: A systematic review. American Journal of
Preventive Medicine, 27(1), 57–65. https://doi.org/10.1016/j.amepre.2004.03.002

Fasecolda. (2018). Costos de la accidentalidad. Retrieved from

https://fasecolda.com/servicios/publicaciones/libros/

Ferrández, M. R., Callejo, S. M., Ibáñez, S., & Vidal, J. V. (2006). Análisis de la
sensibilización de los jóvenes ante la seguridad vial. Bases para la elaboración
de un programa. RELIEVE - Revista Electronica de Investigacion y Evaluacion
Educativa, 12(2), 307–324. https://doi.org/10.7203/relieve.12.2.4232

Forensis. (2018). Forensis, datos para la vida (1st ed.). Retrieved from
http://www.medicinalegal.gov.co/cifras-estadisticas/forensis

Forero, S. S., Triana, M. A., Andrade, J. F., Jimeno, J. C., & Navarro, J. R. (2006).
Prevención de lesiones: Una estrategia de salvación para la sociedad moderna.
Revista de La Facultad de Medicina, 54, 211–218. Retrieved from
 https://revistas.unal.edu.co/index.php/revfacmed/article/view/43876/63839

Guerrero, T. E., & Amararís, G. E. (2014). Application of Bayesian techniques for the
identification of accident-prone road sections. DYNA, 81, 209–214. Retrieved
from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0012-
73532014000500027&nrm=iso

Gutierrez, S. (n.d.). Concientización y prevención de accidentes viales a través de

campañas de seguridad vial.

Haddon Jr, W. (1980). Advances in the epidemiology of injuries as a basis for public
policy. Public Health Reports (Washington, D.C. : 1974), 95(5), 411–421.
Retrieved from https://www.ncbi.nlm.nih.gov/pubmed/7422807

Haque, M. O., & Haque, T. H. (2018). Evaluating the effects of the road safety
system approach in Brunei. Transportation Research Part A: Policy and
Practice, 118, 594–607. https://doi.org/https://doi.org/10.1016/j.tra.2018.08.017

Ker, K., Roberts, I., Collier, T., Beyer, F., Bunn, F., & Frost, C. (2005). Post-licence
driver education for the prevention of road traffic crashes: a systematic review of
randomised controlled trials. Accident Analysis & Prevention, 37(2), 305–313.
https://doi.org/https://doi.org/10.1016/j.aap.2004.09.004

Lee, R. J., & Sener, I. N. (2016). Transportation planning and quality of life: Where do
they intersect? Transport Policy, 48, 146–155.
https://doi.org/https://doi.org/10.1016/j.tranpol.2016.03.004

Masten, S. V, & Peck, R. C. (2004). Problem driver remediation: A meta-analysis of

the driver improvement literature. Journal of Safety Research, 35(4), 403–425.
https://doi.org/https://doi.org/10.1016/j.jsr.2004.06.002

Novoa, A. M., Pérez, K., & Borrell, C. (2009). Efectividad de las intervenciones de
seguridad vial basadas en la evidencia: una revisión de la literatura . Gaceta
Sanitaria , Vol. 23, pp. 553.e1-553.e14. scieloes .

Obregón, S. A., Betanzo, E., Romero, J. A., & Ríos, M. (2018). Rating road traffic
education. Transportation Research Part F: Traffic Psychology and Behaviour,
 56, 33–45. https://doi.org/10.1016/j.trf.2018.03.033

OMS. (2017). S alve VIDAS. Retrieved from http://apps.who.int/bookorders.

%0Ahttp://apps.who.int/iris/bitstream/10665/255308/1/9789243511702-spa.pdf

OMS. (2020). 10 sobre la seguridad vial en el mundo.

Peces, F. J. (2016). La educación vial como ámbito emergente para la educación

social.

Peck, R. C. (1976). Toward a Dynamic System of Driver Improvement Program

Evaluation. Human Factors, 18(5), 493–506.
https://doi.org/10.1177/001872087601800507

Sun, L. L., Liu, D., Chen, T., & He, M. T. (2019). Road traffic safety: An analysis of
the cross-effects of economic, road and population factors. Chinese Journal of
Traumatology - English Edition, 22(5), 290–295.
https://doi.org/10.1016/j.cjtee.2019.07.004

Topolšek, D., Babić, D., & Fiolić, M. (2019). The effect of road safety education on
the relationship between Driver’s errors, violations and accidents: Slovenian
case study. European Transport Research Review, 11(1), 18.
https://doi.org/10.1186/s12544-019-0351-y

Winkelmann, R., & Zimmermann, K. F. (1995). RECENT DEVELOPMENTS IN

COUNT DATA MODELLING: THEORY AND APPLICATION. Journal of
Economic Surveys, 9(1), 1–24. https://doi.org/10.1111/j.1467-
6419.1995.tb00108.x

world bank group. (2017). The high toll of traffic injuries. Washington DC.