Resumen

El presente proyecto denominado “Detección temprana de riesgos psicosociales”, se basa en el desarrollo de un dispositivo capaz de cuantificar la ansiedad y estrés en los trabajadores y alumnos para detectar a tiempo y corregir adecuadamente el ambiente laboral o estudiantil.

El objetivo es medir los niveles de estrés y ansiedad en las personas a partir de una batería de preguntas y localizar las áreas de una empresa o institución con más carga de riesgos psicosociales para modificar y adecuar el entorno a tiempo antes de afectar o mermar la producción o desempeño de los trabajadores y usuarios de servicios.

El proyecto está enfocado a la detección de altos niveles de estrés, ansiedad y otros riesgos psicosociales que puedan afectar la productividad y desempeño de trabajadores en las empresas mexicanas a partir de la implementación de la norma nueva de la Secretaría del Trabajo y Prevención Social (NOM 035). El dispositivo mide el incrementa en la sudoración de las manos del sujeto evaluado en conjunto con el ritmo cardiaco, mientras se realizan una serie de preguntas relacionadas al entorno de trabajo.

El dispositivo desarrollado utiliza sensores de lluvia para medir los niveles de sudoración en la punta de los dedos de los usuarios, que en conjunto a un sensor de ritmo cardiaco nos permite saber que preguntas ocasionan más ansiedad y/o estrés en los usuarios que sean sometidos al dispositivo.

Decidimos realizar este proyecto porque las investigaciones arrojan que el estrés deteriora fuertemente nuestros cuerpos y mentes, además de impactar directamente en ambientes laborales disminuyendo la producción o la calidad.

A partir de octubre del presente año, entrará en vigor la nueva norma de la Secretaría del Trabajo y Prevención Social (NOM 035) en la cual se establecen pautas para identificar y tratar estas alteraciones.

Pregunta de Investigación

Planteamiento del Problema

El estrés laboral es la respuesta física y emocional negativa que puede suceder en el conflicto entre las demandas de trabajo de un empleado y el control que tiene para poder cumplir con dichas demandas.

La Organización Mundial de la Salud estima que para el 2020 el estrés laboral será la principal causa de baja laboral si no se toman medidas adecuadas para la reducción de éste.

El sudor se produce para enfriar el cuerpo que aumenta la temperatura al enfrentarse a situaciones incomodas o estresantes, lo cual nos permite identificar que preguntas producen esta reacción en las personas.

Una empresa que tenga una alta cantidad de  personas con este padecimiento, usualmente presenta alteraciones como robos hormiga, espionaje, extorsiones o fraudes.

Antecedentes

El Instituto Mexicano del Seguro Social estima que el 75% de los mexicanos padece fatiga por estrés laboral, superando incluso a países como China y Estados Unidos. Países con alta demanda en manufactura. Éste tipo de estrés, también ocasiona pérdidas por más de 16 mil millones de pesos anuales en el sector productivo de nuestro país.

La Agencia Europea de Seguridad y Salud en el Trabajo, estima que en el año 2009 se produjo una pérdida de 1.25 millones de días de trabajo debido a problemas de estrés relacionados con el ambiente laboral. Por otro lado, nuestro país vecino, Estados Unidos, cifra dicha pérdida en más de 183 billones de dólares anuales en 2010.

Objetivo

Se propone desarrollar un sistema autónomo programado en Arduino basado en sensores de lluvia y de ritmo cardiaco, que permita identificar fácilmente a los trabajadores con niveles altos de estrés, y por ende las áreas de una empresa o institución que deban ser atendidas por personas capacitadas para mejorar el ambiente integral de trabajo. Se utilizará un cuestionario base para determinar los marcadores promedio de los usuarios y así poder determinar fácilmente los picos o alteraciones en las lecturas cuando se usen las preguntas relacionadas al ambiente laboral.

Justificación

Al no existir como tal un sensor de ansiedad o estrés, se buscó como cuantificar los síntomas o efectos fisiológicos más comunes al ser expuesto a este tipo de situaciones. Se tomaron como referencia el aumento tanto del ritmo cardiaco como de la sudoración en las manos, efecto común en todas las personas al mentir o ser expuesto a una pregunta irritante o comprometedora.

Hipótesis

Al implementar este proyecto, se debe poder localizar puntualmente las personas de una empresa o institución que están más expuestas a riesgo psicosociales. Al realizar la batería de preguntas relacionadas a su trabajo, el proyecto debe empezar a detectar los picos en la medición de sudoración y de latidos de corazón del usuario.

Con el uso y funcionamiento adecuado de este dispositivo, esperamos poder identificar a tiempo las áreas con niveles más altos y peligrosos de estrés, y así poder ser manejados por personas expertas en control y tratamiento del estrés.

Método (materiales y procedimiento)

El primer paso que realizamos fue la elección de los sensores adecuados para el diseño del circuito y  que nos arrojaran datos confiables.

Los cuatro sensores se conectaron a puertos de entradas analógicas ya que cada uno de los sensores envía un número en un rango de entre cero y mil veintitrés. El rango mencionado anteriormente toma el cero como el 0% de la humedad y el 1023 como el 100% de la humedad presentada por los dedos del usuario.

Para los leds indicadores, se usaron salidas digitales que simplemente encienden o apaguen un arreglo de leds para saber cuándo los niveles están dentro o fuera del rango promedio.

Para la visualización de los datos de cada sensor es necesario conectar el dispositivo a una computadora, la cual también sirve como fuente de alimentación para todo el sistema. Se puede utilizar cualquier computadora siempre y cuando tenga instalado el software de la plataforma Arduino, el cual es gratuito.

En cuanto a la estructura, buscamos en los depósitos de material de mantenimiento del colegio, pedazos de madera para la estructura que sostendría a todo nuestro circuito.

Cada sensor fue soldado con los demás en cuanto a la alimentación negativa y positiva. Y cada terminal de señal de salida fue ensamblada a un puerto analógico de Arduino.

Se soldaran dos diferentes arreglos de leds como indicadores. Los leds verdes para hacer referencia a los datos dentro del rango normal de funcionamiento, y los leds rojos cuando los datos se salen de la escala y representan una incomodidad o estrés del usuario.

Una vez listo el circuito, se procedió a la programación, donde la primera parte se concentra en detectar el promedio de sudoración y de latidos de cada usuario. Aquí es donde se realizan las preguntas “normales” al usuario para establecer sus rangos de marcadores biométricos.

La segunda fase de la programación es donde se miden constantemente los niveles del usuario pero esta vez con preguntas relacionadas al ambiente laboral. Aquí se programó el encendido y apagado de los dos arreglos de leds, verde y rojo, que encenderán dependiendo del rango de los datos.

Galería Método

Resultados

Las pruebas de funcionamiento se realizaron con los compañeros de generación de los tres alumnos. Donde claramente se observaron picos en la cuantificación del estrés de sus compañeros al preguntarles acerca de la carga de trabajo, o al mencionar el nombre de ciertas materias o maestros.

El siguiente paso fue ponerlo a prueba con maestros, donde se detonaba el estrés al realizar ciertas preguntas como la relación con sus compañeros de trabajo, el sueldo percibido o la relación laboral con sus directores.

Es importante mencionar que cada individuo posee un rango promedio distinto de sudoración y palpitación, por lo cual fue muy importante antes de las preguntas laborales, establecer este rango promedio con la batería de preguntas estándar, como nombre, edad, ocupación etc…

También se observó que las alteraciones más fuertes de sudoración se aprendan a controlar conforme pasa la edad, ya que eran más fuertes en personas menores de edad, y más leves en personas adultas. Sin embargo, no se pueden ocultar por completo.

Galería Resultados

Discusión

Los resultados recabados se entregaron a la maestra de psicología de nuestro colegio para ser evaluados y tratados. La idea es justamente pasar esta información al departamento de psicología de las empresas o instituciones para que puedan tratar adecuadamente las áreas más propensas a este tipo de riesgos.

Los sensores de lluvia fueron adecuados para la medición de la sudoración ya que perciben perfectamente los cambios en la humedad de la superficie de los dedos. Sin embargo, se observó que después de 10 o 15 evaluaciones, los sensores se empiezan a oxidar, probablemente por las sales que desprendemos en esta situación. Sería necesario reemplazar los sensores después de 40 o 50 usos para no afectar la evaluación.

Al diseñar el prototipo no estábamos seguros de la cantidad de puertos necesarios, por lo que utilizamos la plataforma más sencilla y usual de Arduino, Arduino UNO, sin embargo debido a la pequeña cantidad de puertos usados, podemos utilizar una más pequeña y que consuma menos corriente con las mismas funciones como un Arduino Nano o Micro.

Conclusiones

El proyecto es una forma muy sencilla y económica de detectar los posibles riesgos psicosociales en nuestros lugares de estudio o trabajo.

Si hacemos sinergia con el departamento de psicología de estos lugares, podemos identificar y tratar estos desordenes que impactan fuertemente nuestros cuerpos y mentes, y por ende, la producción de nuestro país.

Si todas las organizaciones de trabajo y salud mencionadas en este proyecto están tan preocupadas por el estrés en los trabajadores, no podemos dejar pasar esta oportunidad de detectar a tiempo lo que podría ser la enfermedad más mortífera del siglo XXI.

Bibliografía

• gov.mx/salud-en-linea/estrés-laboral
• com.mx/estrés-laboral-y-porque-es-normativo-atenderlo/
• https://www.who.int/occupational_health/topics/stressatwp/en/
• com.mx/política/Estrés-laboral-afecta-productividad-de-empresas-20101229-0107.html
• arduino.cc

Summary

Research Question

Problem approach

Background

Objective

Justification

Hypothesis

Method (materials and procedure)

Method Gallery

Results

Results Gallery

Discussion

Conclusions

Bibliography