Algoritmo para la evaluación del modelo dinámico del estrés

Franyelit María Suárez Carreño, Luis Dionisio Rosales

Abstract


Se presenta un algoritmo para resolver las ecuaciones dinámicas que caracterizan el estrés y su efecto sobre el estado de salud de las personas. Los puntos críticos son reconocidos como estresores que permiten la permanencia o no del estrés, y las consecuencias de estos en la salud. Objetivo: Evaluar ecuaciones dinámicas con métodos matemáticos tradicionales, la evaluación de ellos con un algoritmo en MatLab® también se considera donde la convergencia con las señales de EKG características de las evaluaciones cardíacas se observa como representaciones de estados emocionales y reacciones fisiológicas en el organismo. Materiales y métodos: Se desarrolló un algoritmo en MatLab® y los resultados se evaluaron en una población de personas dedicadas a la enseñanza universitaria. Resultados: Se desarrolló un algoritmo para el modo de descomposición en modo empírico, que consta de dos secciones: el ciclo externo que evalúa el desperdicio de entrada y el ciclo interno que se enfoca en la función del modo intrínseco. Discusión: en principio, el proceso de filtrado determina el mínimo local total y máximo de la señal de entrada, luego realiza un proceso para determinar la envolvente superior e inferior, teniendo en cuenta la interpolación de valores locales. Finalmente, se tienen en cuenta los promedios de la envoltura superior e inferior. Conclusiones: las ecuaciones dinámicas del estado emocional y su efecto sobre los estados de salud son demostrables a través de estresores y su presencia continua en las personas.


Keywords


Ecuaciones dinámicas, puntos críticos, parámetro de la voz, evaluación de estrés

Full Text:

PDF HTML

References


Cárdenas., I., Ceballos., H., Shang-Hsueh., L., Pavez., W., & Terrisse., C. (2010). Estudio acústico de la variación interlocutor en sujetos hablantes nativos del español de Santiago de Chile. . Chile: Tesis de Grado. Universidad de Chile.

Costa, P., & McCrae., R. (1987). Neuroticism, somatic complaints, and disease; When are somatic complaints unfounded? . American Psychologist, 40, 19-28.

Druet, A., & Suárez, F. (2019). Diseño de sistema informático que permita la detección de estrés humano utilizando inteligencia artificial. Esmeraldas: Repositorio PUCESE.

Elisei., N. (2012). Análisis acústico de la voz normal y patológica utilizando dos sistemas diferentes: ANAGRAF Y PRAAT. Interdisciplinaria, 29(2), 339-357.

Estrada., L., Torres., A., & Raimon, J. (2014). Evaluación de la asincronía bilateral y toracoabdominal mediante señales mecanomiográficas. A: Congreso Anual de la Sociedad Española de Bioingeniería. "Libro de Actas del CASEIB 2014 XXXII Congreso Anual de la . España.

Giraldo., D., & Quintero., O. (2010). Análisis de señales de audio utilizando la transformada de Gabor. Recuperado el junio de 2019, de https://repository.eafit.edu.co/.../29%20Analisis_de_senales_audio_utilizando_transformada

González, M., & Landero., R. (2006). Síntomas psicosomáticos y teoría transaccional del estrés. . 12( 1), 45-61.

J.González., T.Cervera., & J.Miralles. (2002). Análisis acústico de la voz: Fiabilidad de un conjunto de parámetros multidimensionales. . 53(4), 256-268.

Kroenke, K., Spitzer, R., & Williams., J. (2002). he PHQ-15: validity of a new measure for evaluating the severity of somatic symptoms. Psychosomatic Medicine, vol. 64, 258-266.

Lazarus., R., & Folkman., S. (1984). Stress, coping and adaptation. New York, Springer.

Masip, J., Garrido, E., & Herrero., C. (2004). La detección de la mentira mediante la medida de la tensión en la voz: una revisión crítica. . Estudios de psicología, 25(1).

Núñez, F., Cortéz, P., & Suárez., C. (2006). Índice de incapacidad vocal: predictivos. Acta Otorrinolaringol, 57, 101-108.

Ortego, C. (2009). Detección de emociones en voz espontánea. . Madrid.: Trabajo de fin de carrera. Universidad Autónoma de Madrid.

Rahe, R. (1978). Life change measurement clarification. Psychosomatic Medicine, 40, 95-98.

Rojas., C. (2012). Procesos Complejos del Estrés: Dinámica no lineal. Colombia: Tesis de Maestría. Universidad Nacional de Colombia.

Roldan., E. (1998). Calidad y dinámica de la voz en grupos sociales en la ciudad de Valdivia (Chile). . Estudios Fisiológicos., 33, 111-118.

Sánchez, C. D., & Pérez, M. M. (2007). Caracterización de voz empleando análisis tiempo-frecuencia aplicada al reconocimiento de emociones. Pereira.: Trabajo de grado. Universidad tecnológica de Pereira.

Sandín., B. (1999). El estrés psicosocial. Madrid: Klinik.

Suárez, F., & Rosales., L. (2019). Simulación de estrés en la generación de enfermedades laborales. . Espirales, 2(9).

Suárez, F., Rosales, L., & Sayago., J. (2018). Artificial neural network for the evaluation of vital signs. . Universidad, Ciencia y Tecnología., 22(89), 103-107.

Vargas., F. (2003). Selección de características en el análisis acústico de voces. . Colombia: Masters Thesis, Universidad Nacional de Manizales.

Velásquez., G. (2008). Sistema de reconocimiento de voz en Matlab. Guatemala: Tesis de grado. Universidad de San Carlos de Guatemala.

Wheeler., E. (2012). El estrés en estudiantes de EGB. Buenos Aires, Argentina: Trabajo de Tesina. Universidad abierta interamericana.




DOI: https://doi.org/10.31876/er.v3i31.691

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.