ESTIMACIÓN DEL ESTRÉS POR MEDIO DE LA ENTROPÍA DE LA VARIABILIDAD DE LA FRECUENCIA CARDÍACA Y LA RESPUESTA GALVÁNICA DE LA PIEL (ESTIMATION OF STRESS THROUGH ENTROPY OF VARIABILITY OF CARDIAC FREQUENCY AND GALVANIC SKIN RESPONSE)
Resumen
Resumen
El estrés es una de las variables más representativa de las enfermedades de la sociedad moderna. Su evaluación y tratamiento es de vital importancia para disminuir su incidencia dañina en la población. En este trabajo se analiza y se concluye que la variabilidad de la frecuencia cardiaca y de la respuesta galvánica de la piel son apropiadas para evaluar el nivel de estrés en jóvenes universitarios, utilizando la inspección visual, un tratamiento estadístico clásico y un análisis no lineal (en particular, la entropía muestral). En las diferentes secciones de este documento se describen el registro y adquisición de las señales, el protocolo de inducción de estrés con variables controladas de laboratorio, el análisis estadístico y los resultados obtenidos que permiten observar y diferenciar los niveles de estrés de los estados de calma. Finalmente se comentan y discuten los hallazgos y experiencias encontradas con respecto a la evaluación del estado de una persona ante estímulos estresantes.
Palabras Claves: Entropía Muestral, Estimación del estrés, Respuesta galvánica de la piel, Variabilidad de la frecuencia cardiaca.
Abstract
Stress is one of the most representative variables of the diseases of modern society. Its evaluation and treatment is of vital importance to reduce its harmful incidence in the population. This paper analyzes and concludes that the variability of the heart rate and the galvanic response of the skin are appropriate to assess the level of stress in university students, using visual inspection, a classic statistical treatment and a non-linear analysis (in particular, the sample entropy). In the different sections of this document, the registration and acquisition of the signals, the stress induction protocol with controlled variables of the laboratory, the statistical analysis and the obtained results that allow observing and differentiating the stress levels of the calm stages are described. Finally, the findings and experiences found in relation to the evaluation of a person's state in the face of stressful stimuli are commented and discussed.
Keywords: Galvanic skin response, Heart rate variability, Sample entropy, Stress estimation.
Texto completo:
322-340 PDFReferencias
Acevedo, M., De Luca P. A. (2001). Sistema de medición de estrés. Revista Mexicana de Ingeniería Biomédica. Volumen 22, 20-25.
Ahuja, D., Agarwal, K., Mahajan, M., Mehta H. y Kapadia, N. (2003). GSR and HRV: its application in clinical diagnosis. Proceedings of the 16th IEEE Symposium on Computer-Based Medical Systems.
Anischenko, S., Igosheva, B., Pavlov, N., Khovanov A. y Yakusheva A. (2001). Comparative Analysis of Methods for Classifying the Cardiovascular System’s States Under Stress. Critical Reviews in Biomedical Engineering. No. 2, 460-481.
Bakhchina, A.V.; Arutyunova, K.R.; Sozinov, A.A.; Demidovsky, A.V.; Alexandrov, Y.I. (2018). Sample Entropy of the Heart Rate Reflects Properties of the System Organization of Behaviour. Entropy, 20, 449.
Barbosa, D., Prada, A., Clanner, M., De Toledo, O., Córdova, C. (2010). “Respuesta Cardiovascular al Stroop: Comparación entre test Computarizado y Verbal”. Publicación de la Sociedad Brasileña.
Bersak, D., McDarby, G., Augenblick, N., McDarby, P., McDonnell, D. y McDonal, B. Karkun R. (2001). Intelligent biofeedback using an Immersive Competitive Environment. Online Proceedings for the Designing. Ubiquitous Computing Games Workshop, Ubicomp.
Can, Y., Chalabianloo, N., Ekiz, D., Ersoy, C (2019). Continuous Stress Detection Using Wearable Sensors in Real Life: Algorithmic Programming Contest Case Study. Sensors, 19, 1849.
Can, Y., Arnrichb, B., Ersoy, C. (2019). Stress detection in daily life scenarios using smart phones and wearable sensors: A survey. Journal of Biomedical Informatics, Volume 92, 103139.
Cárdenas, R. (2016). Entropía aproximada y muestral de la variabilidad de la frecuencia cardíaca en electrocardiogramas cortos y largos de hombres jóvenes. Tesis de investigación del Departamento de Ciencias Fisiológicas, Facultad de Medicina, Universidad Nacional de Colombia.
Castaldo R., Montesinos L., Pecchia L. (2019) Ultra-Short Entropy for Mental Stress Detection. In: Lhotska L., Sukupova L., Lacković I., Ibbott G. (eds) World Congress on Medical Physics and Biomedical Engineering 2018. IFMBE Proceedings, vol 68/2. Springer, Singapore.
Cheema, A., Singh, M. (2019). An application of phonocardiography signals for psychological stress detection using non-linear entropy based features in empirical mode decomposition domain. App Soft Comp, Vol. 77, 24-33.
De Luca, A., Sánchez, E., Pérez, G., Leija, L. (2004). Medición integral de estrés crónico. Revista Mexicana de Ingeniería Biomédica. 25(1), 60-67.
Escobar, J. (2015). México padece estrés laboral. Nota Informativa Radio y TV. Instituto nacional de ciencias médicas y nutrición, Salvador Zubirán.
Ekiz, D. (2019). Stress recognition in everyday life. Master of Science. Inst. for Graduate Studies in Science and Engineering, Bogazici University.
García, S., Garzón, L. y Camargo L. (2011). Revisión de dispositivos electrónicos para la determinación de estrés a partir de variables fisiológicas. Visión Electrónica, 6, 114-122.
González, J., Granados, C., López, H., Torres I. (2010). Aplicación del cálculo de la entropía para el estudio de registros Electroencefalográficos. Matemática, Escuela Politécnica del Litoral. Vol. 8, 16-21.
González, M. (2018). Medición del estrés a partir de los cambios en la complejidad de la frecuencia cardiaca y la actividad eléctrica de la piel. Tesina de la Licenciatura en Ingeniería Biomédica, UAM, Ciudad de México.
González, M. y Jiménez J. (2016). Medición de estrés a partir de la frecuencia cardíaca y la respuesta galvánica de la piel. Pistas Educativas, Vol. (38):120.
Healey, J. A., Picard R. W. (2013). Detecting stress during real world driving tasks using physiological sensors. Intelligent Transportation Systems, IEEE Vol. 6, 156-166.
Humeau-Heurtier, A. (2018). Evaluation of Systems’ Irregularity and Complexity: Sample Entropy, Its Derivatives, and Their Applications across Scales and Disciplines, Editorial. Entropy, 20(10), 794.
Joshua, S. y Moorman, R. (2000). Physiological time-series analysis using approximate entropy and sample entropy. The American Physiological Society. 278, pp. H2039–H2049.
Lake, E., Richman, S., Griffin, P., Moorman J. (2002). Sample entropy analysis of neonatal heart rate variability. American Physiological Society. No. 283, 5, R789-R797. http://ajpregu.physiology.org/content/283/3/R789
Mellino, P., Bracale M. y Pecchia, L. (2011). “Nonlinear Heart Rate Variability features for real-life stress detection. Case study: students under stress due to university examination”. Biomedical Engineer. 1-13.
Moya-Albiol, L. y Salvador A. (2001). Empleo de estresores psicológicos de laboratorio en el estudio de la respuesta fisiológica al estrés. Revista publicada por la Universidad de Valencia Anales de Psicología. Vol 17(1), 69-81.
Panicker, S., Gayathr, P. (2019). A survey of machine learning techniques in physiology based mental stress detection systems. Biocybernetics and Biomedical Engineering, Volume 39, Issue 2, 444-469.
Picó, A. (2014). Caracterización de medidas de regularidad en señales biomédicas. Editorial Universidad Politécnica de Valencia.
Pincus, S., Glandstone I., Ehrenkranz, R. (1991). A regularity statics for medical data analysis. Journal of Clinical Monitoring. 7(4), 335-345.
Richman, J. y Moorman J. (2000). Physiological time-series analysis using approximate entropy and sample entropy. Am J Physiol Heart Circ Physiol.; 278(6):H2039-49.
Schubert, C., Lambertz, M., Nelesen, A., Bardwell, W., Choi, B. y Dimsdale E. (2010). Effects of stress on heart rate complexity—A comparison between short-term and chronic stress. Biol Psychol. 80(3): 325-332.
Sierra, A., Sánchez C., Guerra, J. y Bailador del Pozo, G. (2011). A Stress-Detection System Based on Physiological Signals and Fuzzy Logic. IEEE Transactions on Industrial Electronics, vol. 58 (10), 4857-4865.
Tanev, G., Saadi, B. Hoppe K. y Sorensen D. (2014). Classification of Acute Stress using Linear and Non Linear Heart Rate Variability Analysis Derived from Sternal ECG. IEEE Engineering in Medicine and Biology. 8, 3386-3389.
Tejeiro, R., Pelegrina, M. y Gómez, J.L. (2009). Efectos psicosociales de los videojuegos. Comunicación, 7(1), 235-250.
Unidad de comunicación del INSP (2017). Los riesgos del estrés laboral para la salud. Instituto Nacional de Salud Pública, México.
Weippert, M., Behrens, M., Rieger, A., Behrens, K. (2014). Sample Entropy and Traditional Measures of Heart Rate Dynamics Reveal Different Modes of Cardiovascular Control During Low Intensity Exercise. Entropy Journal. 10, 5698-5711.
Zangróniz, R., Martínez, A., López, M.T., Pastor, J.M., Fernández-Caballero, A. (2018). Estimation of Mental Distress from Photoplethysmography. Appl. Sci. 8, 69.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx