Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
RIESGOS LABORALES CON ENFOQUE A LA INDUSTRIA 5.0 DE LA CADENA  
AGROALIMENTARIA DE TISANAS: REVISIÓN SISTEMÁTICA  
OCCUPATIONAL RISKS WITH A FOCUS ON INDUSTRY 5.0 OF THE HERBAL TEA  
AGRI-FOOD CHAIN: SYSTEMATIC REVIEW  
Autores: ¹Shirley Trinidad Chagmana Ases, ²Anahi Estefania Guamangate Casillas, ³Lorena  
Sigüenza Guzmán, 4Edith Elena Tubón Núñez, 5Freddy Roberto Lema Chicaiza y 6Luis Alberto  
Morales Perrazo.  
¹ORCID ID: https://orcid.org/0009-0000-4740-5687  
²ORCID ID: https://orcid.org/0009-0003-8307-7352  
³ORCID ID: https://orcid.org/0000-0003-1367-5288  
4ORCID ID: https://orcid.org/0000-0001-8094-6207  
5ORCID ID: https://orcid.org/0009-0001-5213-3011  
6ORCID ID: http://orcid.org/0000-0002-0921-262X  
¹E-mail de contacto: schagmana9112@uta.edu.ec  
²E-mail de contacto: aguamangate1426@uta.edu.ec  
³E-mail de contacto: lorena.siguenza@ucuenca.edu.ec  
4E-mail de contacto: ee.tubon@uta.edu.ec  
5E-mail de contacto: fr.lema@uta.edu.ec  
6E-mail de contacto: luisamorales@uta.edu.ec  
Afiliación: 1*2*4*5*6*Universidad Técnica de Ambato, (Ecuador). 3*Universidad de Cuenca, (Ecuador).  
Artículo recibido: 16 de Abril del 2026  
Artículo revisado: 18 de Abril del 2026  
Artículo aprobado: 20 de abril del 2026  
1Estudiante de la Carrera de Ingeniería Industrial en la Universidad Técnica de Ambato, (Ecuador).  
2Ingeniera Industrial, graduada de la Universidad Técnica de Ambato, (Ecuador).  
3Ingeniera en Computación, graduada de la Universidad de Cuenca (Ecuador). Magíster en Telemática por la Universidad del Azuay,  
(Ecuador). Doctora en Ingeniería Mecánica por KU Leuven (Bélgica). Profesora titular de la Facultad de Ingeniería de la Universidad de  
Cuenca, (Ecuador).  
4Ingeniera en Alimentos, graduada de la Universidad Técnica de Ambato, (Ecuador). Magíster en Docencia Matemática y Magíster en  
Gestión Empresarial basado en Métodos Cuantitativos, graduada de la Universidad Técnica de Ambato, (Ecuador).  
5Ingeniero Químico, graduado de la Escuela Superior Politécnica de Chimborazo (Ecuador), con 16 años de experiencia laboral. Magister  
Scientiae en Ingeniería Química, graduado de la Universidad de los Andes, (Venezuela).  
6Ingeniero Mecánico graduado en la Universidad de las Fuerzas Armadas (ESPE), (Ecuador). Magíster en Seguridad e Higiene Industrial  
y Ambiental en la Universidad Técnica de Ambato, (Ecuador), con 15 años de experiencia docente en la carrera de Ingeniería Industrial  
en ámbitos de seguridad laboral.  
Resumen  
RStudio (versión 7). Los resultados evidencian  
una configuración heterogénea de riesgos  
laborales en función de las fases operativas de  
la cadena agroalimentaria de las tisanas. En la  
etapa de producción primaria, caracterizada por  
actividades predominantemente agrícolas, se  
identifican exposiciones relevantes a estrés  
térmico, accidentes asociados al uso de  
maquinaria y riesgos químicos derivados de la  
inhalación y manipulación de sustancias. En las  
Este estudio tiene como objetivo identificar,  
categorizar y analizar los principales riesgos  
laborales a lo largo de la cadena de suministro  
agroalimentaria de las empresas productoras de  
tisanas, con el propósito de fundamentar  
estrategias preventivas coherentes con el  
paradigma de la Industria 5.0. Para ello, se  
desarrolló una revisión sistemática de la  
literatura siguiendo la metodología de Fink,  
mediante  
un  
protocolo  
de  
búsqueda  
fases  
predominan  
psicosociales,  
repetitivos, posturas forzadas, exposición  
prolongada a ruido y vibraciones, así como  
elevados niveles de estrés laboral. Ante las  
limitaciones de los sistemas tradicionales de  
de  
procesamiento  
y
distribución,  
ergonómicos  
como movimientos  
estructurado basado en los componentes de  
población e intervención. La selección incluyó  
literatura científica de alto impacto indexada en  
bases reconocidas, la cual fue analizada  
mediante técnicas bibliométricas y de mapeo  
de redes de conocimiento utilizando el software  
riesgos  
tales  
y
Página 139  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
gestión de la seguridad y salud en el trabajo, se  
comprehensive improvement of workplace  
concluye que la adopción de tecnologías  
habilitadoras de la Industria 5.0 como sensores  
inteligentes, monitoreo en tiempo real y  
analítica predictiva es clave para evolucionar  
well-being.  
Keywords: Industry 5.0, Occupational risks,  
Tisane production, Supply chain, Agri-food.  
hacia  
enfoques  
preventivos,  
proactivos,  
Sumário  
humano céntricos y sostenibles, orientados a la  
mejora integral del bienestar laboral.  
Palabras clave: Industria 5.0, Riesgos  
laborales, Producción de tisanas, Cadena de  
suministro, Agroalimentaria.  
Este estudo visa identificar, categorizar e  
analisar os principais riscos ocupacionais ao  
longo da cadeia de abastecimento agroalimentar  
das empresas produtoras de tisana, com o  
objetivo de apoiar estratégias preventivas  
consistentes com o paradigma da Indústria 5.0.  
Para tal, foi desenvolvida uma revisão  
sistemática da literatura seguindo a metodologia  
de Fink, utilizando um protocolo de pesquisa  
Abstract  
This study aims to identify, categorize and  
analyze the main occupational risks throughout  
the agri-food supply chain of tisane producing  
companies, with the purpose of supporting  
preventive strategies consistent with the  
Industry 5.0 paradigm. To this end, a  
systematic review of the literature was  
developed following Fink's methodology,  
using a structured search protocol based on the  
population and intervention components. The  
estruturado  
baseado  
nos  
componentes  
populacionais e de intervenção. A seleção  
incluiu literatura científica de alto impacto  
indexada em bases de dados reconhecidas, que  
foi analisada usando técnicas bibliométricas e  
mapeamento de redes de conhecimento usando  
o software RStudio (versão 7). Os resultados  
mostram uma configuração heterogénea dos  
riscos ocupacionais dependendo das fases  
operacionais da cadeia agroalimentar dos chás  
de ervas. Na fase primária de produção,  
selection  
included  
high-impact  
scientific  
literature indexed in recognized databases,  
which was analyzed using bibliometric  
techniques and knowledge network mapping  
using RStudio software (version 7). The results  
show a heterogeneous configuration of  
caracterizada  
por  
atividades  
predominantemente agrícolas, são identificadas  
exposições relevantes ao stress térmico,  
acidentes associados ao uso de maquinaria e  
riscos químicos derivados da inalação e  
manuseamento de substâncias. Nas fases de  
processamento e distribuição, predominam  
riscos ergonómicos e psicossociais, como  
movimentos repetitivos, posturas forçadas,  
exposição prolongada a ruídos e vibrações, bem  
como elevados níveis de stress ocupacional.  
Dadas as limitações dos sistemas tradicionais de  
gestão de saúde e segurança ocupacional,  
conclui-se que a adoção de tecnologias  
habilitadoras da Indústria 5.0, como sensores  
inteligentes, monitorização em tempo real e  
análises preditivas, é fundamental para evoluir  
occupational  
risks  
depending  
on  
the  
operational phases of the agri-food chain of  
herbal teas. In the primary production stage,  
characterized by predominantly agricultural  
activities, relevant exposures to heat stress,  
accidents associated with the use of machinery  
and chemical risks derived from the inhalation  
and handling of substances are identified. In the  
processing and distribution phases, ergonomic  
and psychosocial risks predominate, such as  
repetitive  
movements,  
forced  
postures,  
prolonged exposure to noise and vibrations, as  
well as high levels of occupational stress.  
Given  
the  
limitations  
of  
traditional  
occupational health and safety management  
systems, it is concluded that the adoption of  
Industry 5.0 enabling technologies such as  
smart sensors, real-time monitoring and  
predictive analytics is key to evolving towards  
preventive, proactive, human-centric and  
para  
abordagens  
preventivas,  
proativas,  
centradas no ser humano e sustentáveis, visando  
a melhoria abrangente do bem-estar no local de  
trabalho.  
Palavras-chave:  
ocupacionais, produção de tisanas, cadeia de  
abastecimento agroalimentar.  
Indústria  
5.0,  
Riscos  
sustainable  
approaches,  
aimed  
at  
the  
Página 140  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Introducción  
distribución con exigencias operativas y perfiles  
de riesgo diferenciados (Torres et al., 2025).  
La cadena de suministro agroalimentaria es un  
pilar estratégico para la seguridad alimentaria y  
el desarrollo socioeconómico (Chen et al.,  
2022), ya que integra procesos agrícolas e  
industriales con una alta participación de mano  
de obra (Einarsdóttir et al., 2024). Esta  
combinación, junto con la complejidad del  
entorno productivo, incrementa la exposición a  
riesgos laborales y pone en evidencia las  
limitaciones de los enfoques tradicionales de  
gestión de seguridad laboral (Baidwan et al.,  
2021). En este escenario, la Industria 5.0  
emerge como un paradigma que articula la  
Específicamente  
agroalimentarias  
en  
las  
cadenas  
riesgos  
de  
tisanas,  
los  
laborales que se presentan sobre todo en las  
fases de cosecha procesamiento,  
y
representando un reto en cuanto a prevención,  
porque las actividades se hacen manualmente,  
con equipos y herramientas que exponen a  
trabajadores a lesiones, fatiga y agotamiento  
físico (Laines y Jaramillo, 2026). El riesgo  
laboral en estas actividades no es solo un  
accidente repentino, sino el daño que el cuerpo  
acumula por años de movimientos repetitivos y  
condiciones ambientales difíciles (Simas et al.,  
2021).  
innovación  
tecnológica  
con  
un  
enfoque  
centrado en las personas, impulsando sistemas  
productivos más sostenibles, resilientes y  
orientados al bienestar del trabajador (Jakob et  
al., 2021). La gestión de riesgos laborales en la  
cadena agroalimentaria continúa sustentándose  
en modelos tradicionales caracterizados por una  
seguridad basada en el cumplimiento normativo  
y un enfoque reactivo centrado en indicadores  
de accidentabilidad, condición que limita los  
avances en sostenibilidad social y resiliencia  
(Chaiklieng et al., 2022).  
Así mismo, en la fase de distribución de la  
cadena, la presión por cumplir con los tiempos  
de entrega, el cansancio acumulado y la carga  
manual que ejecutan los trabajadores, hace que  
la  
probabilidad  
de  
incidentes  
críticos  
incremente de forma significativa (Yang et al.,  
2021). En este sentido el reto para las  
organizaciones que están en la cadena  
agroalimentaria, en un contexto de la industria  
5.0 es transformar la gestión a una inversión  
Esta situación evidencia que la adopción de los  
pilares de la Industria 5.0, orientados al apoyo  
inteligente del trabajo, al uso de datos para la  
prevención y a la integración sistémica de la  
seguridad y salud en el trabajo, se perfila como  
una vía clave para fortalecer los modelos de  
gestión preventiva actuales en ámbitos de  
seguridad laboral (Patidar et al., 2023).  
Actualmente, la digitalización en las cadenas de  
suministro, busca la rapidez en la entrega, de  
productos sin considerar el medio ambiente  
laboral negativo en cuanto a riesgos laborales  
que se pueden generar para el trabajador  
(Hendricks et al., 2021). Esta problemática es  
estrategia orientada al bienestar humano.  
De  
esta manera, la Industria 5.0 cambia la forma de  
actuar frente a los riesgos laborales, en lugar de  
esperar a que ocurra una lesión, accidente o  
enfermedad profesional, propone usar la  
tecnología para detectar el peligro a tiempo  
(Sikalidis et al., 2022), por ejemplo, mediante  
sensores que miden la fatiga o sistemas que  
asisten al trabajador en las tareas pesadas,  
adaptando el entorno a la salud de cada persona,  
y no a lo contrario (Thamsuwan et al., 2020).  
Por lo tanto, este estudio analiza los principales  
riesgos laborales que podrían estar presentes en  
las cadenas de suministro agroalimentario con  
énfasis productores de tisanas y las tendencias  
de gestión de riesgos laborales con enfoque de  
la industria 5.0.  
crítica  
agroalimentaria, cuya estructura se articula en  
fases de producción, procesamiento  
en  
la  
cadena  
de  
suministro  
y
Página 141  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Materiales y Métodos  
segundo paso, se seleccionó las fuentes de bases  
de datos empleadas para la recopilación de  
información de acuerdo con el campo de  
estudio, el tipo de documento y el nivel de  
acceso, en este caso las seleccionadas fueron:  
Scopus, Web of science y Plubmed, como se  
muestra en la Figura 1. El tercer paso consiste  
en la definición de términos de búsqueda. Las  
cadenas empleadas fueron: (Occupational Risk  
OR Occupational Safety) AND (Agri-food  
Supply Chain OR Agri-food Industry); (Types  
OR Factors) AND (Occupational Risk OR  
Occupational Safety) AND (Agri-food Supply  
Chain OR Agri-food Industry); (Tools OR  
Methods) AND Evaluation AND (Occupational  
Risk OR Occupational Safety) AND (Agri-food  
Supply Chain OR Agri-food Industry); (Rates  
OR Indices) AND Accident Rate AND  
(Morbidity OR Occupational Disease) AND  
(Agri-food Supply Chain OR Agri-food  
Industry); se optó por realizar la búsqueda en  
idioma inglés con el fin de ampliar la población  
de artículos científicos sobre esta temática. El  
cuarto paso consiste en la aplicación de criterios  
prácticos para la recopilación de información,  
dichos criterios se especifican en la Tabla 1.  
Se realizó una revisión sistemática de literatura  
a través de la aplicación de la metodología Fink,  
la cual consiste en siete pasos fundamentales  
para la identificación de información relevante,  
además de asegurar la calidad y rigor de los  
resultados obtenidos (Tuni et al., 2025). Para la  
aplicación de esta metodología, se inicia con la  
selección de las preguntas de investigación,  
para lo cual se emplea la estrategia PICO (Jhael  
et al., 2024) que permite estructurar el proceso  
de  
búsqueda  
científica  
considerando  
la  
población, la intervención, la comparación y los  
resultados esperados. En este contexto, la  
población estuvo constituida por artículos  
enfocados a trabajadores, asociaciones y  
empresas que participan en la cadena de  
suministro agroalimentaria.  
La comparación se realizó a partir del análisis  
de las herramientas, metodologías y enfoques  
utilizados en diferentes investigaciones para  
evaluar los riesgos laborales en el sector  
agroalimentario es así como los resultados  
esperados se orientaron a la identificación de los  
principales tipos de riesgos laborales, así como  
de los métodos de evaluación utilizados en la  
literatura científica. A partir de esta estructura  
se formularon las preguntas de investigación  
que orientaron el estudio: RQ1: ¿Cómo se  
conceptualizan los riesgos laborales en las  
cadenas de suministro agroalimentarias? RQ2:  
¿Cuáles son los principales tipos de riesgos  
laborales a los que están expuestos los  
trabajadores en las distintas fases de la cadena  
agroalimentaria? RQ3: ¿Qué información existe  
Tabla 1. Criterios de selección para búsqueda  
Criterio  
Detalle  
Idioma  
Español – inglés – portugués  
Scopus  
Bases de datos  
Área temática  
Web of Science  
PudMed  
Seguridad laboral, higiene  
industrial, ergonomía, agrícola,  
logística.  
Temporalidad  
2020-2026  
Artículo de revista, Artículo de  
conferencia  
Tipo de documento  
La cadena de búsqueda debe  
constar en el título, el resumen o  
en las palabras clave  
Búsqueda  
sobre  
accidentes  
laborales,  
enfermedades  
ocupacionales y condiciones de trabajo en el  
sector agroalimentario? y RQ4: ¿Qué métodos  
y herramientas se utilizan para evaluar los  
riesgos laborales en la cadena de suministro  
agroalimentaria?, estas preguntas permitieron  
delimitar el alcance del estudio y orientar la  
recopilación y análisis de la información. En el  
Fuente: Elaboración propia  
En el quinto paso se realiza la aplicación de  
criterios de selección de acuerdo con los  
criterios prácticos y con criterios de exclusión  
como artículos duplicados y no relacionados al  
Página 142  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
tema. La Figura 1 presenta de manera visual el  
proceso de aplicación de los criterios de  
exclusión mencionados anteriormente,  
evaluando la elegibilidad de este.  
metaanálisis y un análisis descriptivo. En la  
primera etapa, se llevó a cabo una síntesis  
detallada de las “4W” (cuando, quién, qué,  
dónde) de manera que se identificó los riesgos  
laborales presentes en cadenas de suministro  
agroalimentarias. La segunda etapa que se  
refiere al análisis descriptivo consta de dos  
secciones, en la primera sección se examinó  
aspectos como autores, el año de publicación,  
las revistas de publicación, los países receptores  
y detalles relevantes sobre el tema principal y  
en la segunda sección se analizó a profundidad  
los temas motores que desencadenan la  
especificidad de la prevención de riesgos y  
tendencias en la Industria 5.0. En esta fase se  
clasifican los artículos seleccionados para una  
síntesis detallada de información como el año  
de publicación y el país receptor.  
El proceso de selección de los artículos se  
desarrolló en varias etapas. En primer lugar, se  
identificaron los documentos a partir de las  
ecuaciones de búsqueda en las bases de datos  
seleccionadas. Posteriormente se eliminaron los  
registros  
duplicados  
mediante  
el  
gestor  
bibliográfico Zotero 7 y se realizó una revisión  
preliminar de títulos y resúmenes para evaluar  
su relevancia con respecto al tema de estudio.  
Finalmente, los artículos seleccionados fueron  
analizados mediante la lectura completa de los  
documentos para identificar aquellos que  
aportaban información relevante para responder  
a las preguntas de investigación planteadas. La  
organización y el análisis de la información se  
realizó mediante el software RStudio utilizando  
el paquete Bibliometría, lo que permitió  
efectuar un análisis bibliométrico de la  
literatura científica.  
Figura 2: Distribución temporal de artículos  
seleccionados  
Fuente: Elaboración propia  
La Figura 2, muestra la evolución de la cantidad  
de publicaciones desde 2020 hasta 2026  
respondiendo así a la interrogante ¿Cuándo? de  
las “4W”. Se puede evidenciar que desde 2021  
la cantidad de artículos publicados relacionados  
al tema ha aumentado. Sin embargo, en el año  
2026 solamente se encontró un solo artículo,  
debido a que este estudio se realizó en el primer  
trimestre del 2026. A su vez, respondiendo a la  
interrogante ¿Dónde? se presenta las tendencias  
de los países receptores en donde se identifica  
con un color más intenso el país con la mayor  
Figura 1: Aplicación de criterios de selección  
Fuente: Elaboración propia  
Resultados y Discusión  
Tras la aplicación de los criterios de inclusión y  
exclusión se obtuvieron finalmente un total de  
65 artículos para revisión y análisis detallado.  
Para ello, se estructuraron dos etapas: un  
Página 143  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
tendencia de artículos relacionados al tema, en  
salud de los trabajadores. Así mismo, términos  
este caso India como se muestra en la Figura 3.  
como “exposición ocupacional”, “ergonomía”,  
“evaluación  
de  
riesgos”,  
“enfermedades  
profesionales” y “seguridad ocupacional”  
muestran asociaciones relevantes dentro de la  
red, lo que evidencia un interés sostenido en la  
identificación, evaluación y prevención de  
riesgos laborales en el sector agrícola. En  
cambio, la red muestra la presencia de términos  
vinculados con la gestión del riesgo y la  
sostenibilidad en los sistemas agroalimentarios,  
tales  
como  
“cadena  
de  
suministro”,  
Figura 3. Distribución a nivel mundial  
“sostenibilidad”, “resiliencia” y “riesgo”, lo que  
sugiere un creciente interés en la literatura  
científica por analizar los riesgos laborales  
desde una perspectiva más amplia que incluye  
la gestión de la cadena de suministro  
agroalimentaria.  
Fuente: Elaboración propia  
Se realizó un análisis bibliométrico de la  
coocurrencia de palabras clave a partir de  
artículos científicos publicados entre 2020 y  
2026 gestionado por Zotero versión 7 y  
analizado por Rstudio en Bibliometrix. En la  
Figura 4, con base en la frecuencia de aparición  
de los términos se construyó una red de  
coocurrencia de 25 nodos y 43 enlaces, donde  
cada nodo representa una palabra clave y cada  
enlace indica la coocurrencia de dos términos  
dentro del mismo documento. El tamaño de los  
nodos y la densidad de las conexiones reflejan  
la importancia relativa de los términos y la  
solidez de su relación, respectivamente, según  
los métodos estándar de análisis de redes  
científicos.  
Figura 4: Red de coocurrencia  
Fuente: Elaboración propia  
Los resultados muestran que el clúster  
conformado por agricultura, agricultores y  
salud agrícola se posiciona como tema motor,  
evidenciando una alta centralidad y densidad, lo  
que confirma su papel estructurante y  
consolidado dentro de la literatura analizada.  
Además, el clúster asociado a lesiones  
ocupacionales se ubica como tema básico,  
caracterizado por una elevada centralidad, pero  
menor densidad, lo que indica su carácter  
transversal y su función como marco conceptual  
general en los estudios sobre riesgos laborales  
en el sector agrícola. En contraste, los temas  
Los nodos como “agricultura” y “salud  
ocupacional” ocupan posiciones centrales  
dentro de la red, lo que indica que constituyen  
los principales temas abordados en la literatura  
científica analizada. En torno a estos términos  
se agrupan palabras clave como “agricultores”,  
“salud agrícola”, “lesiones ocupacionales”,  
“lesiones”  
y
“accidentes”,  
las  
cuales  
de  
representan  
los  
principales  
enfoques  
investigación relacionados con los riesgos  
laborales y los efectos del trabajo agrícola en la  
Página 144  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
relacionados con evaluación de riesgos,  
ergonomía y enfermedades ocupacionales  
aparecen como temas en desarrollo  
trabajadores (Dos Santos et al., 2021; Yan et al.,  
2022). Este planteamiento coincide con (Aby et  
o
al.,  
2024),  
los  
de  
cuales  
indican  
que  
la  
transversales, reflejando un grado intermedio de  
integración dentro del campo de estudio. Por su  
parte, los clústeres vinculados con incidencia y  
trastornos musculoesqueléticos se identifican  
como temas de nicho, altamente especializados,  
pero con una conexión más limitada con otras  
líneas de investigación.  
combinación  
maquinaria  
peligrosa,  
exposición ambiental y carencia de cultura  
preventiva en la agroindustria aumenta los  
índices de siniestralidad. En la actualidad, bajo  
el paradigma de la Industria 5.0, el riesgo  
laboral  
trasciende  
su  
conceptualización  
tradicional a una variable de desempeño  
sistémico como lo afirma Spieth et al. (2014) y  
Nahavandi (2019) pues integra de forma  
transversal en la cadena de suministro, la  
inteligencia artificial, análisis predictivo y el  
despliegue de sensores para su análisis,  
Los riesgos laborales en las cadenas de  
suministro se hallan como un fenómeno  
complejo, en el cual interviene varios factores  
humanos,  
ambientales,  
mecánicos  
y
organizacionales, lo cual influye en la  
susceptibilidad de los trabajadores a través de la  
etapa del proceso productivo (Arcury et al.,  
2022). Así mismo la investigación desarrollada  
en Fassa et al. (2021), la define como una  
exposición multicausal en donde la interacción  
entre el entorno físico y la carga cognitiva  
operario no solo determina la severidad del  
daño, sino a su vez evidencia la ausencia  
sistemas productivos seguros. Este enfoque  
sistémico reconoce que la ocurrencia en  
accidentes está asociado a variables climáticas  
extremas, infraestructura deficiente y ausencia  
de políticas preventivas institucionales (Gallego  
et al., 2021).  
evaluación  
y
prevención.  
La  
evidencia  
científica clasifica los riesgos laborales en la  
cadena de suministro bajo una taxonomía de  
cinco  
categorías:  
físicos,  
ergonómicos,  
químicos, biológicos y psicosociales (Jakob et  
al., 2021).  
A opinión de Vielma et al. (2024) se destacan  
que los riesgos laborales en las cadenas de  
suministro agroalimentario, sobre todo en una  
de sus fases que es la producción agrícola,  
surgen  
como  
resultado de interacciones  
fisiológicas y ambientales en las que el estrés  
térmico, radiación solar y la humedad tienen un  
papel fundamental en la salud y productividad  
Figura 5: Riesgos laborales en la cadena  
agroalimentaria  
del trabajador.  
Del mismo modo, riesgos  
con intoxicación  
químicos relacionados  
Fuente: Elaboración propia  
exógena aguda producto del mal uso de  
fertilizantes, insecticidas, entre otros, generan  
enfermedades renales y respiratorias en los  
En este entorno los peligros se manifiestan de  
forma diferente y acumulativa lo largo de los  
Página 145  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
tres eslabones operativos del sector que son:  
accidente laboral durante el último año,  
destacando que la mayoría de estos incidentes  
ocurrieron durante la jornada laboral. Estos  
accidentes estuvieron asociados a la falta de  
equipo de protección personal y a condiciones  
de transporte inseguras, lo que revela un alto  
riesgo de lesiones en las actividades productivas  
del sector agrícola (Ekmekci & Yaman, 2024).  
Además, la exposición a factores físicos,  
producción, proceso y distribución, como  
muestra en la Figura 5. En la etapa de  
producción agrícola, predominan el estrés  
térmico y la exposición a radiación ultravioleta  
por trabajo prolongado al aire libre, junto con la  
carga  
ergonómica  
derivada  
de  
posturas  
forzadas, los accidentes asociados al uso de  
maquinaria y la exposición a pesticidas sin  
protección adecuada (Chaiklieng et al., 2022;  
Guimarães et al., 2021; Ioannou et al., 2021;  
Kim et al., 2022; Lee et al., 2021).  
químicos  
y
ergonómicos  
aumenta  
significativamente el riesgo de accidentes  
(Jakob et al., 2021; Calderón et al., 2025).  
En la fase de proceso, se identifican riesgos  
biológicos por la presencia de polvo orgánico y  
bioaerosoles que afectan el sistema respiratorio,  
así como riesgos físicos vinculados al ruido y  
las vibraciones, además de riesgos psicosociales  
como el tecnoestrés derivado de la interacción  
con sistemas automatizados (Colombathanthri  
et al., 2025; García y Osca, 2020; Russo y  
Carpenter, 2019). Así mismo, en la fase de  
Las enfermedades laborales, los trastornos  
musculoesqueléticos se presentan con alta  
prevalencia entre los trabajadores agrícolas,  
debido a esfuerzos físicos intensos, posturas  
forzadas y movimientos repetitivos (Bhattarai et  
al., 2016). También se observan afecciones  
respiratorias y dermatológicas asociadas a la  
exposición prolongada a polvo orgánico,  
pesticidas y otros productos agroquímicos  
(Kurth et al., 2024). Además, se identifican  
efectos crónicos derivados de exposiciones  
acumulativas, como alteraciones neurológicas y  
otros problemas de salud a largo plazo,  
particularmente en lugares donde las medidas  
de prevención y vigilancia sanitaria son  
limitadas (Kurth et al., 2024). Diversos estudios  
apuntan a que la informalidad del empleo, la  
falta de capacitación en seguridad y salud  
ocupacional, así como el acceso insuficiente a  
servicios de salud y equipos de protección  
distribución,  
predominan  
los  
riesgos  
ergonómicos asociados a la manipulación de  
cargas, así como los riesgos psicosociales  
relacionados con el estrés laboral y la fatiga  
cognitiva debido a la presión por cumplir  
tiempos de entrega (Ioannou et al., 2021;  
Michael y Gorucu, 2023). La evidencia  
científica reciente confirma la existencia de  
datos relevantes sobre la accidentabilidad,  
enfermedades laborales y condiciones de salud  
en las distintas fases de la cadena de suministro  
(Zhai, 2023).  
personal,  
impactan negativamente en  
el  
bienestar de los trabajadores, especialmente en  
zonas rurales y pequeñas unidades productivas  
(De Leo et al., 2023).  
En la fase de producción, la siniestralidad en la  
cadena agroalimentaria es un reflejo de una  
grave problemática de salud pública con  
repercusiones económicas profundas. Las tasas  
de mortalidad son más altas que en otros  
sectores manufactureros, lo que evidencia la  
magnitud de este problema (Michael y Gorucu,  
2023). En Turquía, se encontró que el 33% de  
los agricultores experimentaron al menos un  
En la fase de proceso, en Estados Unidos, se  
registraron 1,084 lesiones graves y 47 muertes  
asociadas al movimiento de productos en la  
cadena alimentaria, afectando principalmente a  
las actividades de manufactura y procesamiento  
(Michael y Gorucu, 2023). Los accidentes están  
Página 146  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
principalmente relacionados con maquinaria  
mercancías, lo que aumenta la probabilidad de  
lesiones en extremidades y columna vertebral  
(Zhai, 2023). Así pues, las condiciones de salud  
en los trabajadores de la cadena agroalimentaria  
dependen de la fase en la que se encuentren. Las  
fases de producción, proceso y distribución  
presentan riesgos diversos que impactan la  
salud de los trabajadores de manera diferente,  
pero todos comparten problemas comunes  
como la falta de equipo adecuado de protección,  
condiciones de trabajo inseguras y la exposición  
a factores físicos y químicos peligrosos Como  
se observa en la Tabla 3, los métodos como  
Failure Mode and Effects Analysis (FMEA),  
dispositivos biométricos y modelos predictivos  
basados en inteligencia artificial permiten  
abordar riesgos mecánicos, ergonómicos y  
organizacionales  
industrial y sistemas automatizados en plantas  
de transformación alimentaria, con predominio  
de lesiones traumáticas en las extremidades  
superiores (Noroozi y Taherian, 2023). Los  
trastornos musculoesqueléticos son una de las  
afecciones más comunes en este sector, como  
resultado de tareas repetitivas y la manipulación  
manual de cargas. También se reporta  
exposición a agentes químicos y biológicos  
durante  
los  
procesos  
de  
transformación  
alimentaria (Noroozi y Taherian, 2023).  
La implementación de tecnologías asociadas a  
la Industria 4.0 genera nuevas demandas  
cognitivas  
y
aumenta  
la  
necesidad  
de  
supervisión digital, lo que, a su vez, eleva la  
carga mental de los trabajadores. Esto implica  
mayores exigencias operativas y una atención  
más rigurosa a los aspectos de seguridad laboral  
en este evento tecnológico. Por lo tanto, es  
crucial una capacitación en seguridad adecuada  
para enfrentar los desafíos derivados de este  
cambio tecnológico (Sharma et al., 2024). En  
la fase de distribución, el sector logístico  
En este contexto, los métodos de evaluación y  
gestión de riesgos, como el análisis de modos y  
efectos de falla (FMEA), los dispositivos  
biométricos y los modelos predictivos basados  
en inteligencia artificial, adquieren un papel  
estratégico. Estas herramientas permiten no  
solo identificar riesgos potenciales, sino  
también anticipar eventos adversos mediante el  
análisis de datos en tiempo real. De esta manera,  
se transita de un enfoque reactivo, centrado en  
la respuesta a incidentes, hacia un enfoque  
preventivo y predictivo que mejora la toma de  
decisiones en materia de seguridad y salud  
ocupacional. Por otro lado, resulta fundamental  
que las organizaciones adopten una visión  
integral de la seguridad laboral, considerando  
tanto los factores tecnológicos como los  
alimentario  
enfrenta  
lesiones  
graves  
relacionadas con la carga, descarga y transporte  
de productos (Michael & Gorucu, 2023), la  
exposición a esta situación puede generar  
riesgos laborales relacionados a trastornos  
musculoesqueléticos, lesiones representan una  
parte significativa de los eventos severos dentro  
de la cadena alimentaria (Zhai, 2023).  
Los trastornos musculoesqueléticos que se  
identifican entre los conductores y operarios  
logísticos de la fase de distribución de la cadena  
de suministro agroalimentaria a consideración  
humanos  
y
organizacionales.  
La  
implementación de programas de ergonomía,  
pausas activas, rediseño de puestos de trabajo y  
promoción de una cultura de prevención son  
estrategias clave para mitigar los riesgos  
asociados a las actividades logísticas.  
de  
(Michael  
y
Gorucu,  
2023)  
están  
relacionados, al levantamiento manual de  
cargas y a la conducción prolongada al adoptar  
posturas forzadas en posición sedentaria.  
Además, existen riesgos ergonómicos y físicos  
debido a la manipulación constante de  
Página 147  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Tabla 3. Métodos y herramientas para la evaluación de riesgos laborales en la cadena agroalimentaria  
Métodos y  
herramientas  
-Estudios  
Aplicaciones en la cadena de  
suministro  
Ventajas  
Limitaciones  
Fase  
Ref.  
transversales con  
síntomas (PRS),  
diagnóstico  
Evaluación de enfermedades de  
prevalencia de enfermedades  
ocupacionales relacionadas con  
la exposición agrícola directa.  
Michael y  
Gorucu  
(2023)  
Ampliación directa de  
campo y bajo costo.  
Datos en donde no implica la  
casualidad.  
Producción  
médico y  
biomarcadores  
Identificación de factores  
determinantes de accidentes  
laborales y cuantificación del  
peso relativo de variables como  
edad, experiencia, clima o tipo  
de tarea.  
-Modelos de  
regresión  
(shirinkage,  
multivariados)  
(Gallego et  
al. (2021;  
Yan et al.,  
2022)  
Permite priorizar  
variables críticas; análisis  
más robusto.  
Requiere base de datos  
amplias y confiables  
enfocadas en datos históricos  
Producción  
y proceso  
- Análisis de  
datos de  
vigilancia  
ocupacional (SOII  
y CFOI) +  
Auditorías de  
ergonomía  
Datos de alta fiabilidad;  
permite análisis  
Basado en datos históricos;  
no mide la exposición en  
tiempo real; depende de la  
calidad de reporte.  
Permite identificar actividades  
críticas en el almacenamiento y  
transporte.  
comparativo; identifica  
patrones específicos en el  
equipo; útil para el  
rediseño ergonómico y  
normativo.  
Michael y  
Gorucu  
(2023)  
Distribución  
Producción  
Producción  
logística  
Evaluación del comportamiento  
del operador asociado con los  
riesgos en la maquinaria  
agrícola.  
Permite la  
experimentación sin  
exposición física;  
proactivo.  
*Simulador de  
conducción de  
tractor (miniSim)  
Dependencia subjetiva al  
realismo; requiere validación  
continua.  
Faust et al.  
(2020)  
-Modelado  
computacional  
integrado  
(GTEM-C + datos  
climáticos +  
funciones WBGT  
+ IMPACT  
Complejidad en la técnica;  
menos aplicación en la  
técnica; incertidumbre al  
futuro.  
Enfoque a largo plazo;  
planificación estratégica y  
adaptación al clima.  
Posibilita proyectar escenarios  
futuros bajo cambio climático.  
De Lima et  
al. (2021)  
model)  
Capacidad predictiva alta,  
integra múltiples  
variables; genera mapas  
de alta resolución;  
permite un enfoque  
preventivo.  
-Ensemble  
Boosted  
Regression (BRT)  
con variables de  
teledetección  
Identificación espacial de zonas  
con mayor probabilidad de  
riesgo laboral asociado a  
condiciones ambientales.  
Necesita datos geográficos de  
alta complejidad; depende de  
calidad de datos satelitales y  
climáticos.  
Cromwell  
et al. (2021)  
Producción  
Monitoreo en tiempo real de  
temperatura, gases, vibraciones  
y condiciones ambientales en  
producción, almacenamiento y  
transporte.  
Detección temprana de  
riesgos; monitoreo  
continuo; soporte a  
gestión preventiva.  
Plakantara  
&
Karakitsiou  
(2025)  
*loT , Big data y  
sensores  
inteligentes  
Requiere conectividad y  
mantenimiento; inversión  
inicial elevada.  
Producción,  
proceso y  
distribución  
Naturaleza reactiva; dificultad  
para capturar la variabilidad  
humana y condiciones  
-Failure Mode  
and Effects  
Analysis (FMEA)  
Identificación de puntos críticos  
de fallo en maquinaria agrícola y  
plantas de procesamiento.  
Permite una identificación  
estructurada y jerárquica  
de los fallos.  
Producción  
y proceso  
Aleksić et  
al. (2025)  
ambientales dinámicas.  
*Herramientas  
biométricas y  
sensores  
inerciales  
(Wearables)  
Obtención de datos  
objetivos y precisos en  
tiempo real sobre el  
Elevado costo de  
implementación y  
complejidad técnica para el  
procesamiento de Big Data.  
Registro de carga biomecánica y  
posturas forzadas durante la  
cosecha y actividades logísticas.  
Producción  
y
distribución  
Apicella &  
Tarabella,  
(2025)  
esfuerzo del trabajador.  
Gestión de riesgos  
proactiva, centrada en el  
humano y adaptativa al  
entorno de la Industria  
5.0.  
-Modelos  
predictivos (IA y  
Redes  
Anticipación de accidentes  
mediante el ajuste de variables  
como estacionalidad y edad del  
trabajador.  
Dependencia estricta de la  
calidad de registros históricos  
y necesidad de transparencia  
algorítmica.  
Nasir et al.  
(2025)  
Shokouhi et  
al. (2021)  
Producción,  
proceso y  
distribución  
Bayesianas)  
Evaluación específica de  
riesgos  
musculoesqueléticos lo  
que posibilita la  
Evalúa las posturas y carga  
física en labores agrícolas, con  
herramientas ergonómicas y  
capacitaciones.  
Plakantara  
&
Karakitsiou,  
(2025)  
*RULA y OWAS  
para la evaluación  
ergonómica  
Requiere formación técnica y  
tiempo para análisis de  
posturas.  
Producción  
intervención dirigida.  
Cuantificar la  
Requiere datos estructurados  
y experiencia para realizar el  
modelo, no siempre se puede  
implementar.  
Enfoque cuantitativo con lógica  
difusa para evaluar riesgos  
complejos y no lineales  
Producción,  
proceso y  
distribución.  
-Fuzzy Inference  
System (FIS)  
incertidumbre y reducir  
subjetividad en la  
evaluación.  
Jayalath et  
al. (2026)  
Fuente: Elaboración propia  
Página 148  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Tabla 4. Prevención de riesgos laborales en el sector agroalimentario: aportes de la Industria 5.0  
Fase de la  
cadena  
agroalimentaria  
Enfoque  
tradicional  
Limitación del  
enfoque  
Enfoque en la Industria  
5.0  
Ventaja  
Ref.  
Sánchez-  
Castañeda  
Michele  
Permite a través de la  
prevención proactiva y  
personalizada salvar a los  
trabajadores de incidentes y  
accidentes fatales.  
Solo mide el daño  
cuando ya ocurrió el  
accidente.  
Registro de  
accidentes  
Analítica predictiva y  
Big Data.  
Tiraboschi et al.,  
2024;  
Simas et al.  
(2021)  
Protección personalizada  
inmediata contra el estrés  
térmico causado por el cambio  
climático.  
(Ioannou et al.,  
2021; Laines  
Álvarez &  
Evaluación de  
estrés térmico  
Mediciones climáticas  
de estaciones lejanas  
Sensores Wearables  
(IoT).  
Jaramillo, 2026)  
Permite predecir fallos en  
escenarios y entrenar al  
personal sin exposición al  
riesgo.  
Análisis de  
riesgo lineales e  
inspecciones  
estáticas.  
(Faust et al.,  
2020; Jayalath et  
al., 2026; Patidar  
et al., 2023)  
No capturan la  
variabilidad del  
entorno agrícola.  
Gemelos digitales.  
Drones y sensores  
Dificultad al  
identificar riesgos en  
grandes áreas  
(Chukwunazo  
Joseph et al.,  
2022; De Leo et  
al., 2023(  
Identificación de  
condiciones  
ambientales  
Identificación temprana de  
condiciones peligrosas.  
Producción  
(actividad  
agrícola  
agrícolas.  
Lista de chequeo  
y métodos  
posturales.  
Dependencia de la  
subjetividad del  
criterio del evaluador.  
Permite un seguimiento  
continuo del riesgo  
ergonómico.  
(Niang et al.,  
2024; Thamsuwan  
et al., 2020)  
Sensores corporales y  
sistemas wearables  
primaria)  
Análisis de  
manipulación  
manual de carga  
por métodos  
NIOSH.  
No se puede detectar  
sobreesfuerzos en  
tiempo real de manera  
fácil.  
Reduce la fatiga en el riesgo  
de lesiones  
(Cardoso et al.,  
2024; Lee et al.,  
2021)  
Exoesqueletos  
industriales  
musculoesqueléticas.  
Inspección de  
maquinaria  
agrícola  
Los fallos pueden  
ocurrir entre intervalos  
de inspección  
Evita fallos inesperados y  
reduce el riesgo de accidentes  
por fallos mecánicos  
(Bahar et al.,  
2024; Kasampalis  
et al., 2021)  
Mantenimiento  
predictivo mediante IA  
Detección temprana de  
enfermedades crónicas  
(renales y respiratorias)  
Realiza una evaluación más  
objetiva, de forma continua y  
sin interrupción del flujo de  
trabajo.  
Jayalath et al.,  
2026; Yan et al.,  
2022  
Auditoria de  
salud esporádicas  
Muestras de aire  
puntuales  
Sistemas de Interferencia  
Difusa (Fuzzy Logic)  
(Apicella &  
Métodos de  
evaluación  
postural  
Dependen de la  
subjetividad, fotos  
estáticas.  
Visión computacional  
por medio de cámaras  
Tarabella, 2025;  
Thamsuwan et al.,  
2020)  
Equipos de  
muestreo  
ambiental,  
No permite monitoreo  
constante durante la  
jornada.  
(Borghi et al.,  
2023; Parri et al.,  
2023)  
Facilita la detección temprana  
de contaminantes.  
bombas de aire y  
protocolo de  
monitoreo  
Sensores IoT  
Proceso  
(Transformación  
Industrial)  
ocupacional.  
Implementación de  
robots colaborativos  
(cobots)  
Control  
periódico de  
contaminantes.  
Difícil prever fallos de  
equipos complejos.  
Disminuye la exposición  
directa del trabajador.  
(Lu, 2022; Patil et  
al., 2023)  
Permiten prevenir accidentes  
asociados a agotamiento  
laboral.  
(Bangaru et al.,  
2022; Ouyang et  
al., 2023)  
Evaluación de  
fatiga laboral  
Difícil detectar signos  
tempranos de fatiga.  
Visión artificial.  
(Jhael et al., 2024;  
Michael &  
Registro manual  
de incidentes  
El trabajador puede  
omitir datos por fatiga  
Sistemas Ciber – Físicos  
Humanos (H-CPS)  
Asegura la veracidad de los  
datos  
Gorucu)  
Solo identifica  
lesiones después de  
que ocurren.  
Sensores wearables y  
sistemas de monitoreo  
ergonómico.  
Permite detectar  
sobreesfuerzos y prevenir  
lesiones.  
(Alenjareghi et  
al., 2026; Motta et  
al., 2024)  
Evaluación de  
carga y descarga.  
Identificación de  
accidentes de  
transporte.  
Evaluación reactiva  
basada en accidentes  
ocurridos  
Falta de monitoreo en  
tiempo real y mayor  
carga operativa  
Permite anticipar riesgos  
operativos y mejorar la  
seguridad del transporte.  
Permite supervisar  
condiciones de transporte de  
forma continua.  
Abdulrashid et al.,  
2024; Budzyński  
et al., 2024  
Inteligencia artificial  
Sistemas IoT  
Distribución  
(logística y  
cadena de  
Supervisión de  
condiciones de  
Rejeb, et al.  
(2020)  
suministro)  
(Kayikci et al.,  
2022; Rejeb,  
Keogh, et al.,  
2020)  
Auditorías,  
inspecciones de  
seguridad  
Baja trazabilidad y  
limitada transparencia  
en la gestión  
Mejora la transparencia y el  
control de riesgos  
Blockchain  
Fuente: Elaboración propia  
Página 149  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
La gestión de riesgos laborales requiere  
al., 2021). Posteriormente, la exposición a  
pesticidas se evalúa mediante análisis químicos  
periódicos (Yan et al., 2022), y la maquinaria se  
inspecciona manualmente, lo que limita el  
monitoreo continuo de fallos (Bahar et al.,  
2024). Por otro lado, la Industria 5.0 introduce  
un enfoque proactivo basado en tecnologías  
avanzadas que permiten anticipar riesgos y  
mejorar la seguridad laboral.  
enfoques innovadores que integren tecnología,  
análisis de datos y una centralidad en el  
trabajador (Nahavandi, 2019). Asimismo, las  
condiciones  
variabilidad  
geográficas  
climática  
adversas,  
la  
y
la creciente  
digitalización de los procesos productivos  
demandan sistemas de evaluación que superen  
los indicadores tradicionales y que mantengan  
coherencia con los pilares de la Industria 5.0,  
orientados hacia la sostenibilidad, la resiliencia  
y la humanización tecnológica (Javaid et al.,  
2020), los cuales se presentan en la Tabla 4. En  
la fase de producción, el enfoque tradicional en  
la gestión de riesgos laborales se caracteriza por  
su naturaleza reactiva y por el uso de  
metodologías convencionales basadas en la  
El uso de analítica predictiva y Big Data  
posibilita la predicción de incidentes antes de  
que ocurran (Sánchez-Castañeda et al., 2024),  
mientras que los sensores wearables (IoT)  
permiten el monitoreo en tiempo real de  
variables fisiológicas como el estrés térmico y  
la frecuencia cardíaca (Ioannou et al., 2021).  
Asimismo, los gemelos digitales facilitan la  
simulación de escenarios de riesgo (Faust et al.,  
2020), y el uso de drones y sensores remotos  
observación  
incidentes.  
y
el  
registro  
posterior  
de  
Prácticas como el registro de accidentes y  
fatalidades después del evento reflejan una  
gestión centrada en las consecuencias más que  
en la prevención (Sánchez-Castañeda et al.,  
2024). Asimismo, la evaluación del estrés  
permite  
supervisar  
grandes  
extensiones  
agrícolas de manera eficiente (Chukwunazo et  
al., 2022). Además, los sensores corporales y  
sistemas  
wearables  
mejoran  
el  
análisis  
biomecánico del trabajador (Niang et al., 2024),  
los exoesqueletos reducen la carga física en  
tareas exigentes (Cardoso et al., 2024) y los  
biosensores permiten detectar contaminantes  
químicos en tiempo real (Yan et al., 2022),  
fortaleciendo así la prevención y el bienestar del  
trabajador.  
térmico  
se  
realiza  
mediante  
mediciones  
ambientales generales y observación de  
condiciones climáticas, lo que no representa con  
precisión la exposición real del trabajador  
(Ioannou et al., 2021; Laines y Jaramillo, 2026).  
El análisis de riesgos se desarrolla a través de  
enfoques lineales e inspecciones estáticas, lo  
que limita la comprensión de entornos  
dinámicos (Faust et al., 2020), mientras que la  
identificación de peligros depende de la  
supervisión directa en campo, dificultando su  
aplicación en grandes extensiones agrícolas  
(Chukwunazo et al., 2022). De igual manera, la  
evaluación ergonómica mediante listas de  
chequeo y métodos posturales presenta un alto  
grado de subjetividad (Thamsuwan et al., 2020),  
y el análisis de manipulación manual de carga  
mediante la ecuación NIOSH no permite  
detectar sobreesfuerzos en tiempo real (Lee et  
En la fase de proceso, el enfoque tradicional  
mantiene limitaciones similares al depender de  
auditorías de salud esporádicas y biomarcadores  
tardíos, lo que dificulta la detección temprana  
de enfermedades ocupacionales (Jayalath et al.,  
2026). El control de contaminantes se realiza  
mediante muestreos puntuales de aire, lo que no  
permite identificar variaciones durante la  
jornada laboral (Borghi et al., 2023). De esta  
manera, los métodos de evaluación postural  
basados en la observación visual introducen  
subjetividad  
(Thamsuwan  
et  
al.,  
2020),  
Página 150  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
mientras que la supervisión de maquinaria  
dinámicas (Sheikh et al., 2025). En contraste, la  
Industria 5.0 incorpora tecnologías que  
mediante inspecciones periódicas dificulta  
prever fallos (Kasampalis et al., 2021). A esto  
se suma la evaluación de la fatiga mediante la  
observación del supervisor, lo que limita la  
detección temprana del agotamiento (Bangaru  
et al., 2022).  
optimizan la seguridad y eficiencia en las  
operaciones logísticas. Los sistemas ciber-  
físicos humanos (H-CPS) facilitan el reporte  
digital de incidentes (Jhael et al., 2024),  
mientras que los sensores wearables permiten el  
monitoreo  
ergonómico  
en  
tiempo  
real  
Para fortalecer la gestión de riesgos, la Industria  
(Alenjareghi et al., 2026). Además, la  
inteligencia artificial permite analizar riesgos en  
transporte (Mammadov et al., 2024), los  
sistemas IoT mejoran el monitoreo de  
condiciones de transporte (Rejeb et al., 2020), y  
el uso de blockchain fortalece la trazabilidad y  
transparencia en la cadena agroalimentaria  
(Kayikci et al., 2022).  
5.0  
incorpora  
sistemas  
inteligentes  
que  
permiten el monitoreo continuo y la toma de  
decisiones en tiempo real. El mantenimiento  
predictivo basado en inteligencia artificial  
facilita la detección de fallos en maquinaria  
(Bahar et al., 2024), mientras que los sistemas  
de lógica difusa y sensores IoT permiten un  
control constante de la calidad del aire (Jayalath  
et al., 2026; Parri et al., 2023). La visión  
computacional mejora la evaluación postural  
(Apicella y Tarabella, 2025), y los robots  
colaborativos reducen la exposición del  
trabajador a tareas peligrosas (Patil et al., 2023).  
Asimismo, los sistemas de monitoreo de fatiga  
Estas herramientas permiten anticipar riesgos,  
optimizar la toma de decisiones y garantizar un  
enfoque preventivo centrado en el bienestar del  
trabajador (Ioannou et al., 2021). Además,  
identifica vacíos en la literatura respecto a la  
limitada articulación entre seguridad laboral,  
mediante  
visión  
artificial  
y
sensores  
sostenibilidad  
y
gestión  
de  
la  
cadena,  
biométricos permiten detectar signos tempranos  
de agotamiento (Ouyang et al., 2023; Madrigal-  
Cerezo et al., 2026).  
proponiendo una comprensión del riesgo como  
un fenómeno sistémico. Del mismo modo,  
incorpora el enfoque de la Industria 5.0,  
destacando  
la  
necesidad  
hacia  
modelos  
En la fase de distribución, el enfoque tradicional  
se basa en registros manuales de incidentes  
laborales mediante formularios administrativos,  
lo que puede generar omisiones o sesgos en la  
información (Michael & Gorucu, 2023). La  
evaluación de carga y descarga se realiza  
preventivos, predictivos y centrados en el  
trabajador, fortaleciendo así la seguridad y  
salud ocupacional como un eje estratégico para  
sector.  
Conclusiones  
Los resultados de esta investigación muestran  
que los riesgos laborales en la cadena de  
suministro agroalimentaria son complejos, y  
varían según las fases del proceso productivo.  
En la fase de producción, los trabajadores  
enfrentan condiciones extremas, como estrés  
térmico y exposición a agroquímicos, lo que  
aumenta la probabilidad de enfermedades y  
mediante  
observación  
ergonómica,  
identificando lesiones solo después de que  
ocurren (Motta et al., 2024). Asimismo, la  
identificación de accidentes en transporte se  
basa en registros históricos (Budzyński et al.,  
2024), mientras que  
la supervisión  
de  
condiciones de transporte y almacenamiento se  
realiza mediante controles documentales, y la  
planificación de rutas se basa en análisis  
manuales que no optimizan condiciones  
accidentes.  
En  
el  
procesamiento  
y
la  
distribución, los riesgos se relacionan con  
Página 151  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
posturas forzadas, movimientos repetitivos,  
además de la fatiga acumulada, factores que  
afectan tanto la salud física como mental de los  
trabajadores. Respecto a las tendencias actuales  
identificadas en la literatura científica, se  
observa una transición hacia la digitalización de  
la seguridad, donde el enfoque tradicional de  
protección física está siendo superado por  
sistemas de monitoreo inteligente y gestión de  
datos en tiempo real. La incorporación de  
tecnologías de la Industria 4.0, como los  
sensores inteligentes y la analítica predictiva,  
representa una oportunidad crucial para  
transformar la gestión de riesgos.  
machineries. Journal of Agricultural Safety  
and Health, 30(2), 35–52.  
https://doi.org/10.13031/JASH.15873  
Aleksić, A., Tadić, D., Komatina, N., & Nestić,  
S. (2025). Failure mode and effects analysis  
integrated with multi-attribute decision-  
making methods under uncertainty: A  
systematic literature review. Mathematics,  
13(13).  
https://doi.org/10.3390/math13132216  
Alenjareghi, M., Sekkay, F., Dadouchi, C., &  
Keivanpour, S. (2026). Wearable sensors in  
Industry  
musculoskeletal  
International,  
4.0:  
Preventing  
disorders.  
7,  
work-related  
Sensors  
100343.  
https://doi.org/10.1016/j.sintl.2025.100343  
Apicella, A., & Tarabella, A. (2025). Wearable  
technologies in agriculture 4.0: A systematic  
review of applications for worker safety and  
ergonomic support. International Journal of  
Academic Research in Business and Social  
Estas tecnologías permiten una prevención más  
eficaz al identificar peligros y riesgos laborales  
de manera temprana, protegiendo a los  
trabajadores de forma proactiva y no reactiva  
Sciences,  
15(8).  
conforme a la tendencia 5.0 exige.  
La  
https://doi.org/10.6007/ijarbss/v15-i8/26140  
Arcury, T. A., Smith, S. A., Talton, J., &  
Quandt, S. (2022). The abysmal organization  
of work and work safety culture experienced  
by North Carolina Latinx women in  
farmworker families. International Journal  
of Environmental Research and Public  
transición hacia entornos laborales humano  
céntricos reduce la siniestralidad y fortalece la  
resiliencia y sostenibilidad al integrar el  
bienestar del operario con la productividad. Este  
enfoque permite a las cadenas de suministro  
adaptarse ágilmente a las exigencias de la  
industria 5.0. Aunque no resuelve todas las  
brechas de seguridad, el estudio ofrece una base  
para futuras intervenciones que impulsen una  
Health,  
19(8).  
https://doi.org/10.3390/ijerph19084516  
Bahar, M., Schokry, A., & Alhanjouri, M.  
(2024). Real-time predictive maintenance  
system of industrial equipment without  
historical failure data. Passer Journal of  
Basic and Applied Sciences, 6, 266–288.  
https://doi.org/10.24271/PSR.2024.188571  
Baidwan, N., Ramirez, M., Gerr, F., Boonstra,  
D., Cavanaugh, J., & Casteel, C. (2021).  
Cost, severity and prevalence of agricultural-  
related injury workers’ compensation claims  
in farming operations from 14 U.S. states.  
International Journal of Environmental  
Research and Public Health, 18(8), 4309.  
https://doi.org/10.3390/ijerph18084309  
protección  
integral  
en  
la  
cadena  
agroalimentaria.  
Referencias Bibliográficas  
Adbdulrashid, I., Zanjirani Farahani, R.,  
Mammadov, S., Khalafalla, M., & Chiang,  
W.  
C.  
(2024).  
Explainable  
artificial  
intelligence in transport logistics: Risk  
analysis for road accidents. Transportation  
Research  
Transportation  
Part  
E:  
Review,  
Logistics  
186,  
and  
103563.  
https://doi.org/10.1016/j.tre.2024.103563  
Bangaru, S., Wang, C., & Aghazadeh, F.  
(2022). Automated and continuous fatigue  
monitoring in construction workers using  
forearm EMG and IMU wearable sensors  
Aby, G., Issa, S, Reid, J., Beseler, C., &  
Shutske,  
J.  
(2024).  
Identification  
of  
advantages and limitations of current risk  
assessment and hazard analysis methods  
when applied on autonomous agricultural  
Página 152  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
and recurrent neural network. Sensors,  
Chukwunazo, E., Lecturer, S., & Remigius  
Obinna, O. (2022). A drone-based crop  
monitoring system in precision agriculture  
using RF remote control. International  
Journal of Advances in Computer and  
22(24). https://doi.org/10.3390/s22249729  
Bhattarai, D., Singh, S., Baral, D., Sah, R.,  
Budhathoki, S. S., & Pokharel, P. K. (2016).  
Work-related injuries among farmers: A  
cross-sectional study from rural Nepal.  
Journal of Occupational Medicine and  
Electronics  
Engineering,  
7(1).  
https://www.researchgate.net/publication/36  
1118905_A_Drone_Based_Crop_Monitorin  
g_System_in_Precision_Agriculture_using_  
RF_Remote_Control_Omeje_Crescent_Ony  
ebuchi  
Toxicology,  
11(1),  
48.  
https://doi.org/10.1186/s12995-016-0137-2  
Borghi, F., Spinazzè, A., De Nardis, N.,  
Straccini, S., Rovelli, S., Fanti, G., Oxoli, D.,  
Cattaneo, A., Cavallo, D. M., & Brovelli, M.  
A. (2023). Monitoring of air pollution in  
agricultural settings: A systematic review of  
Colombathanthri, A., Jomaa, W., & Chinniah,  
Y. A. (2025). Human-centered cyber-  
physical systems in manufacturing industry:  
the  
literature.  
A
systematic  
search  
Journal  
and  
of  
review.  
Advanced  
https://doi.org/10.21203/rs.3.rs-2509444/v1  
Budzyński, A., Federowicz, M., Jabłoński, A.,  
Hasan, W., Gorszanów, J., & Nikitishyn, T.  
(2024). A machine learning approach for  
predicting road accidents. Safety & Defense,  
International  
Manufacturing Technology, 136(5), 2107–  
2141. https://doi.org/10.1007/s00170-024-  
14959-w  
Cromwell, E. A., Osborne, J., Unnasch, T., et al.  
10(2),  
60–70.  
(2021).  
Predicting  
the  
environmental  
https://doi.org/10.37105/sd.230  
suitability for onchocerciasis in Africa.  
PLOS Neglected Tropical Diseases, 15(7),  
e0008824.  
https://doi.org/10.1371/journal.pntd.000882  
4
Calderón, R., Loja Llano, D., Tena García, T.,  
Quiñonez, K., & Chávez, J. (2025). Risks of  
greater incidence in the occurrence of work  
accidents and occupational diseases: A  
bibliographic review. Health Leadership and  
De Leo, F., Elia, V., Gnoni, M., (2023).  
Quality  
of  
Life,  
4,  
74.  
Assessment  
agricultural sector for supporting social  
sustainability. Sustainability, 15(16).  
https://doi.org/10.3390/su151612585  
Dos Santos, J., Valli, J., Sesse, N. (2021).  
Sociodemographic characteristics and  
of  
safety  
levels  
in  
the  
https://doi.org/10.56294/hl202574  
Cardoso, A., Ribeiro, A., Carneiro, P., & Colim,  
A. (2024). Evaluating exoskeletons for  
WMSD prevention: A systematic review of  
applications and ergonomic approach in  
occupational settings. International Journal  
of Environmental Research and Public  
exposure patterns of pesticide-related cases.  
Archives of Environmental & Occupational  
Health,  
21(12).  
Health,  
76(8),  
494–503.  
https://doi.org/10.3390/ijerph21121695  
Chaiklieng, S., Suggaravetsiri, P., Poochada,  
W., Thinkhamrop, W., & Dacherngkhao, T.  
(2022). The burden of work-related diseases  
and injuries among agriculturists: A three-  
year retrospective study in Thailand. Safety,  
8(4). https://doi.org/10.3390/safety8040078  
Chen, Y. H., Riley, A. R., Duchowny, K. A., et  
al. (2022). COVID-19 mortality and excess  
mortality among working-age residents in  
California, USA, by occupational sector. The  
Lancet Public Health, 7(9), e744–e753.  
https://doi.org/10.1016/S2468-  
https://doi.org/10.1080/19338244.2020.184  
8773  
Einarsdóttir, J., & Gunnlaugsson, G. (2024).  
Child fatalities in tractor-related accidents in  
rural Iceland. International Journal of  
Environmental Research and Public Health,  
21(10).  
https://doi.org/10.3390/ijerph21101295  
Ekmekci,  
Occupational health and safety among  
farmers. BMC Public Health, 24(1).  
M.,  
&
Yaman,  
S.  
(2024).  
https://doi.org/10.1186/s12889-024-20249-  
7
2667(22)00191-8  
Página 153  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Fassa, A, Faria, N., Szortyka, A. (2021). Child  
legislation and support in selected European  
countries. Annals of Agricultural and  
Environmental Medicine, 28(3), 452–457.  
https://doi.org/10.26444/AAEM/140197  
labor in family tobacco farms. International  
Journal of Environmental Research and  
Public  
Health,  
18(22),  
12255.  
https://doi.org/10.3390/ijerph182212255  
Faust, K., Casteel, C., McGehee, D., et al.  
(2020). Examination of realism in a high-  
fidelity tractor driving simulator. Journal of  
Agricultural Safety and Health, 26(4), 123–  
137. https://doi.org/10.13031/jash.14043  
Gallego, V., Sánchez, A., Martón, I., &  
Javaid, M., Haleem, A., Singh, R., Haq, M.,  
Raina, A., & Suman, R. (2020). Industry 5.0:  
Potential applications in COVID-19. Journal  
of Industrial Integration and Management,  
5(4),  
507–530.  
https://doi.org/10.1142/S242486222050022  
0
Martorell,  
S.  
(2021).  
Analysis  
of  
Jayalath, M., Ratnayake, R., Perera, H, &  
Thibbotuwawa, A. (2026). An analytical  
approach to risk assessment in agri-food  
supply chains using fuzzy inference systems.  
Supply Chain Analytics, 13(2), 100179.  
https://doi.org/10.1016/j.sca.2025.100179  
Jhael, N., Prado, G., Roberto, F., Chicaiza, L.,  
Aníbal, C., Mantilla, R., Humberto, C.,  
Rosero, S., Quezada, A. S., Ortega, T., &  
Quezada, S. (2024). Supply chain 5.0  
performance indicators for agroindustry: A  
review of the literature. ConcienciaDigital,  
occupational accidents in Spain using  
shrinkage  
Science,  
regression  
methods.  
Safety  
133.  
https://doi.org/10.1016/j.ssci.2020.105000  
García, J, & Osca, A. (2020). Occupational  
accidents in immigrant workers in Spain:  
The complex role of culture. Safety Science,  
121,  
507–515.  
https://doi.org/10.1016/j.ssci.2019.09.027  
Guimarães, R, Muzi, C., Meira, K., Dos Santos,  
R, Saraiva, M, & Rohlfs, D. (2021).  
Occupational exposure to carcinogens in  
7(3),  
112–134.  
Brazil:  
Environmental & Occupational Health,  
76(7), 414–423.  
https://doi.org/10.1080/19338244.2021.190  
0044  
An  
approach.  
Archives  
of  
https://doi.org/10.33262/concienciadigital.v  
7i3.3089  
Kasampalis, D. S., Tsouvaltzis, P., Ntouros, K.,  
Gertsis, A., Gitas, I., & Siomos, A. S. (2021).  
The use of digital imaging, chlorophyll  
fluorescence and Vis/NIR spectroscopy in  
assessing the ripening stage and freshness  
status of bell pepper fruit. Computers and  
Electronics in Agriculture, 187, 106265.  
https://doi.org/10.1016/j.compag.2021.1062  
65  
Hendricks, K., Hendricks, S., & Layne, L.  
(2021). A national overview of youth and  
injury trends on U.S. farms, 2001–2014.  
Journal of Agricultural Safety and Health,  
27(3),  
121–134.  
https://doi.org/10.13031/jash.14473  
Ioannou, L., Mantzios, K., Tsoutsoubi, L.,  
Nintou, E., Vliora, M., Gkiata, P., Dallas, C.  
N., Gkikas, G., Agaliotis, G., Sfakianakis,  
K., Kapnia, A, Testa, D., Amorim, T., Dinas,  
P. C., Mayor, T. S., Gao, C., Nybo, L., &  
Flouris, A. (2021). Occupational heat stress:  
Kayikci, Y., Subramanian, N., Dora, M., &  
Bhatia, M. S. (2022). Food supply chain in  
the era of Industry 4.0: Blockchain  
technology implementation opportunities  
and impediments from the perspective of  
people,  
technology. Production Planning & Control,  
33(2–3), 301–321.  
process,  
performance,  
and  
Multi-country  
interventions.  
observations  
International Journal  
and  
of  
Environmental Research and Public Health,  
18(12).  
https://doi.org/10.1080/09537287.2020.181  
0757  
https://doi.org/10.3390/ijerph18126303  
Jakob, M., Santa, D., Holte, K., Sikkeland, I.,  
Kim, K., Kim, H., Lee, M., Jung, W., & Choi,  
D. (2022). Incidence rates of agricultural  
machine-related injuries in South Korea.  
International Journal of Environmental  
Hilt,  
B.,  
&
Lundqvist,  
health and  
P.  
(2021).  
in  
Occupational  
safety  
agriculture: A brief report on organization,  
Página 154  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
Research and Public Health, 19(23), 15588.  
https://doi.org/10.1080/19397038.2025.255  
https://doi.org/10.3390/ijerph192315588  
Kurth, L., Meyers, A. R., Wurzelbacher, S,  
Naber, S. J., & Cooper, C. (2024).  
Respiratory-related workers’ compensation  
claims from private employers—Ohio,  
2001–2018. Journal of Safety Research, 90,  
128–136.  
1000  
Niang, M., Reponen, T., Talaska, G., Ying, J.,  
Reichard, J. F., Pecquet, A., & Maier, A.  
(2024). Preliminary human health risk  
assessment of antibiotic exposures in human  
waste handling occupations. Journal of  
Occupational and Environmental Hygiene,  
https://doi.org/10.1016/j.jsr.2024.06.004  
Laines, Y. M., & Jaramillo, K. (2026).  
Seguridad y salud ocupacional del trabajador  
21(10),  
721–740.  
https://doi.org/10.1080/15459624.2024.240  
5405  
agrícola  
ecuatoriano  
ante  
el  
cambio  
Noroozi, E., & Taherian, A. R. (2023).  
Occupational health and safety in the food  
climático y la exposición al estrés térmico.  
Revista Universidad de Guayaquil, 140(1),  
126–144.  
and  
beverage  
industry.  
https://doi.org/10.1201/9781003303152  
Ouyang, Y., Liu, M., Cheng, C., Yang, Y., He,  
S., & Zheng, L. (2023). Monitoring  
inattention in construction workers caused  
by physical fatigue using electrocardiograph  
(ECG) and galvanic skin response (GSR)  
https://doi.org/10.53591/RUG.V140I1.2157  
Lu, Y. (2022). A cyber-physical system  
approach to zero-defect manufacturing in  
light-gauge steel frame assemblies. Procedia  
Computer  
Science,  
200,  
924–933.  
https://doi.org/10.1016/j.jii.2017.04.005  
Madrigal, R., Domínguez, N., & Martín-, A.  
(2026). Wearable biosensing and machine  
sensors.  
Sensors,  
23(17).  
https://doi.org/10.3390/s23177405  
Parri, L., Tani, M., Baldo, D., Parrino, S., Landi,  
E., Mugnaini, M., & Fort, A. (2023). A  
distributed IoT air quality measurement  
system for high-risk workplace safety  
enhancement.  
https://doi.org/10.3390/s23115060  
Patidar, A., Sharma, M., Agrawal, R., &  
Sangwan, K. S. (2023). Antecedents of a  
resilient sustainable supply chain. Procedia  
learning  
for  
data-driven  
training  
and  
coaching support. Biosensors, 16(2), 97.  
https://doi.org/10.3390/bios16020097  
Michael, J, & Gorucu, S. (2023). Severe injuries  
from product movement in the U.S. food  
supply chain. Journal of Safety Research, 85,  
234–241.  
https://doi.org/10.1016/j.jsr.2023.02.007  
Motta, F., Varrecchia, T., Chini, G., Ranavolo,  
A., & Galli, M. (2024). The use of wearable  
systems for assessing work-related risks  
related to the musculoskeletal system: A  
systematic review. International Journal of  
Environmental Research and Public Health,  
21(12).  
Sensors,  
23(11).  
CIRP,  
116,  
558–563.  
https://doi.org/10.1016/j.procir.2023.02.094  
Patil, S., Vasu, V., & Srinadh, K. V. S. (2023).  
Advances and perspectives in collaborative  
robotics: A review of key technologies and  
emerging trends. Discover Mechanical  
Engineering,  
2(1).  
https://doi.org/10.3390/ijerph21121567  
Nahavandi, S. (2019). Industry 5.0—A human-  
centric solution. Sustainability, 11(16).  
https://doi.org/10.3390/su11164371  
Nasir, V., Hosseini, A., Binfield, L., Hasani, N.,  
Ghotb, S., Diederichs, V., Fox, G. O.,  
McCann, A. J., Riggio, M., Chandler, K. D.,  
& Hansen, E. (2025). Human centric  
Industry 5.0 manufacturing: A multi level  
framework from design to consumption  
within Society 5.0. International Journal of  
https://doi.org/10.1007/s44245-023-00021-  
8
Plakantara, S., & Karakitsiou, A. (2025).  
Transforming agrifood supply chains with  
digital technologies: A systematic review of  
safety  
Operations  
and  
quality  
Research  
risk  
management.  
6(3).  
Forum,  
https://doi.org/10.1007/s43069-025-00511-  
3
Rejeb, A., Keogh, J., Zailani, S., Treiblmaier,  
H., & Rejeb, K. (2020). Blockchain  
technology in the food industry: A review of  
Sustainable  
Engineering,  
18(1).  
Página 155  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
potentials, challenges and future research  
directions. Logistics, 4(4).  
Spieth, P., Schneckenberg, D., & Ricart, J.  
(2014). Business model innovation: State of  
the art and future challenges for the field.  
https://doi.org/10.3390/logistics4040027  
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier,  
H., & Zailani, S. (2020). Internet of Things  
research in supply chain management and  
logistics: A bibliometric analysis. Internet of  
R&D  
Management,  
44(3),  
237–247.  
https://doi.org/10.1111/radm.12071  
Thamsuwan, O., Galvin, K., Tchong-French,  
M., Aulck, L., Boyle, L. N., Ching, R. P.,  
McQuade, K. J., & Johnson, P. W. (2020).  
Comparisons of physical exposure between  
workers harvesting apples on mobile orchard  
platforms and ladders. Applied Ergonomics,  
Things,  
12.  
https://doi.org/10.1016/j.iot.2020.100318  
Russo, P, & Carpenter, D. (2019). Occupational  
exposures to carcinogens in an industry:  
Identifying and communicating chemical  
risk. International Journal of Pollution  
89,  
103192.  
https://doi.org/10.1016/j.apergo.2020.10319  
2
Research.  
105  
https://doi.org/10.29011/IJPR-  
Torres, B., Morales, L., Lema, F., Sigüenza-, L.,  
& Tubón, E. (2025). Metodologías para la  
evaluación de sostenibilidad en cadenas de  
suministro agroalimentarias. 593 digital  
Sharma, M., Antony, R., Vadalkar, S., &  
Ishizaka, A. (2024). Role of Industry 4.0  
technologies and human-machine interaction  
for de-carbonization of food supply chains.  
Journal of Cleaner Production, 468, 142922.  
https://doi.org/10.1016/j.jclepro.2024.14292  
2
Sheikh, A., Sheikh, M., & Rinvee, T. (2025).  
Smart transportation systems with artificial  
intelligence: Enhancing efficiency, safety,  
and sustainability. SSRN Electronic Journal.  
https://doi.org/10.2139/ssrn.5767344  
Publisher  
CEIT,  
10(6),  
203–220.  
https://doi.org/10.33386/593dp.2025.6.3601  
Tuni, A., Cicerelli, F., & Giorgetti, M. (2025).  
Power  
management: A systematic literature review.  
Journal of Purchasing and Supply  
Management.  
in  
sustainable  
supply  
chain  
https://doi.org/10.1016/j.pursup.2025.10108  
2
Shokouhi, Y., Nassiri, P., Mohammadfam, I., &  
Azam, K. (2021). Predicting the probability  
of occupational fall incidents: A Bayesian  
network model for the oil industry.  
International Journal of Occupational Safety  
Vielma, C., Achebak, H., Quijal, M., Lloyd, S.  
J., Chevance, G., & Ballester, J. (2024).  
Association  
occupational injuries in Spain. Environment  
International, 192, 109006.  
between  
temperature  
and  
and  
Ergonomics,  
27(3),  
654–663.  
https://doi.org/10.1016/j.envint.2024.10900  
6
Yan, T., Yang, S., Zhou, X., Zhang, C., Zhu, X.,  
Ma, W., Tang, S., & Li, J. (2022a). Chronic  
kidney disease among greenhouse workers  
and field workers in China. Chemosphere,  
https://doi.org/10.1080/10803548.2019.160  
7052  
Sikalidis, A, Kristo, A., Reaves, S., Kurfess, F.  
J., DeLay, A., Vasilaky, K., & Donegan, L.  
(2022). Capacity strengthening undertaking  
Farm organized response of workers against  
risk for diabetes: A concept approach.  
302,  
134905.  
https://doi.org/10.1016/j.chemosphere.2022.  
134905  
Sensors,  
22(21),  
8299.  
https://doi.org/10.3390/s22218299  
Yang, L., Branscum, A., Bovbjerg, V., Cude,  
C., Weston, C., & Kincl, L. (2021).  
Simas, J., Yamauchi, L., & Alencar, M. (2021).  
Risk factors associated among respiratory  
health and banana farming. Archives of  
Environmental & Occupational Health,  
Assessing  
injuries  
disabling  
and illnesses  
and  
non-disabling  
using workers  
compensation data. Journal of Safety  
Research, 77, 241–254.  
76(4),  
181–187.  
https://doi.org/10.1080/19338244.2020.179  
4773  
https://doi.org/10.1016/j.jsr.2021.03.007  
Zhai, H. (2023). A dynamic model for risk  
assessment of cross-border fresh agricultural  
Página 156  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 4.1  
Edición Especial IV 2026  
supply chain. International Journal of Advanced  
Esta obra está bajo una licencia de  
Creative Commons Reconocimiento-No Comercial  
4.0 Internacional. Copyright © Shirley Trinidad  
Chagmana Ases, Anahi Estefania Guamangate  
Casillas, Lorena Catalina Sigüenza Guzmán, Edith  
Elena Tubón Núñez, Freddy Roberto Lema  
Chicaiza y Luis Alberto Morales Perrazo.  
Computer Science and Applications, 14(7),  
511–518.  
https://doi.org/10.14569/IJACSA.2023.014075  
6
Declaraciones éticas y editoriales del artículo  
Contribución de los autores (Taxonomía CRediT)  
Shirley Trinidad Chagmana Ases: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de  
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Anahi Estefania Guamangate Casillas: Curación y organización de los datos, participación en la recolección de información, validación de los resultados  
obtenidos y elaboración de representaciones gráficas y visualización de los datos.  
Lorena Catalina Sigüenza Guzmán: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal  
de los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Edith ElenaTubón Núñez: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los  
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Freddy Roberto Lema Chicaiza: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de  
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Luis Alberto Morales Perrazo: Conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los  
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Declaración de conflicto de intereses  
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del  
presente artículo.  
Declaración de financiamiento  
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de  
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.  
Declaración del editor  
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia  
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la  
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo  
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.  
Declaración de los revisores  
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,  
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus  
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.  
Declaración ética de la investigación  
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad  
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse  
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.  
Declaración sobre el uso de inteligencia artificial  
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción  
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la  
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito  
ni sustituyen la responsabilidad académica de los investigadores.  
Disponibilidad de datos  
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las  
normas éticas y de confidencialidad establecidas por la investigación.  
Página 157