Algoritmos inteligentes aplicados al análisis del perfil de estrés con perspectiva de género

Contenido principal del artículo

Marta-Lilia Eraña-Díaz
Alejandra Rosales-Lagarde

Resumen

Las respuestas al estrés y los estilos de afrontamiento son distintas entre los individuos. La perspectiva de género es importante para el establecimiento de medidas realistas en la promoción de la salud de los trabajadores, ya que las respuestas ante situaciones consideradas de riesgo suceden a nivel conductual, fisiológico y psicológico. En la actualidad, desde la perspectiva psicológica y psicobiológica, se aplican escalas para medir los niveles de estrés y los estilos de afrontamiento entre los individuos.
En este trabajo se llevó a cabo un estudio para obtener un indicador o modelo que permite mostrar los niveles de vulnerabilidad existentes entre los niveles de riesgo, analizándolo desde la perspectiva de género, entre mujeres y hombres. El indicador seleccionado es el nivel de estrés, el cual fue estimado aplicando el instrumento el Perfil de Estrés de Nowack.


Los resultados de tres estudios realizados en diferentes contextos fueron recopilados y analizados bajo una perspectiva de género. El primer estudio fue de laboratorio y se aplicaron escalas para detectar depresión y estrés (n = 136 estudiantes). El segundo estudio se realizó a un grupo de Adultos Mayores en una investigación sobre la relación del sueño y el deterioro cognitivo. El tercer estudio fue realizado a trabajadores del Instituto Nacional de Estadística y Geografía, con el propósito de promover la salud mental.
El análisis de la información obtenida del instrumento se llevó a cabo aplicando los algoritmos inteligentes del Machine Learning, ML, k-means, Decision Tree (DT), y Random Forest (RF), con diferentes configuraciones de los conjuntos de datos de los estudios mencio-
nados. En el análisis con perspectiva de género, el mejor modelo se obtuvo con el algoritmo RF donde las primeras cuatro dimensiones relevantes fueron: bienestar psicológico, red de apoyo social, hábitos de salud y valoración negativa. Además, el porcentaje de mujeres con recursos más limitados para afrontar el estrés fue menor que el de los hombres. Estos análisis permiten enfocarse en el grupo con mayor nivel de riesgo para generar estrategias tempranas de prevención y manejo del estrés.
Palabras clave: estrés, salud mental, machine learning, perspectiva de género, bienestar psicológico.

Detalles del artículo

Cómo citar
Eraña-Díaz , M.-L., & Rosales-Lagarde , A. . (2024). Algoritmos inteligentes aplicados al análisis del perfil de estrés con perspectiva de género. Journal of Behavior, Health & Social Issues, 16(1). https://doi.org/10.22201/fesi.20070780e.2024.16.1.86710