Algoritmo para la evaluación del modelo dinámico del estrés
Main Article Content
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.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This journal provides free access to its content through its website, under the principle of making research freely available to the public and supporting global knowledge exchange.
The journal acknowledges the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
The journal allows any user to read, download, copy, distribute, or print the scholarly work published herein without financial, legal, or technical barriers, for the purpose of using the information for any responsible purpose with appropriate acknowledgment of authorship.
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.