Trabajo de Fin de Grado. Control de estrés en mayores: Aplicación para SmartWatch

Abstract

Cuando una persona realiza actividades instrumentales de la vida diaria, como el uso del transporte público, puede exponerse a ciertos niveles de estrés. Este estrés puede estar causado por factores internos a la persona, como la edad o la experiencia previa en el uso del medio de transporte, o por factores externos como accidentes, atascos o las características de la infraestructura que proporciona el consorcio de transporte a sus usuarios. Para mejorar la salud de estas personas, resulta necesario conocer qué factores hacen que aumente su nivel de estrés, de modo que se pueda tratar con un especialista.

En ámbito clínico, se realizan tests para conocer el nivel de estrés de una persona, mientras que en los consorcios de transporte se realizan cuestionarios a los usuarios sin contemplar el estrés producido en el uso de sus servicios como un apartado a valorar, y dejando a un lado que esto es un problema que afecta a la sociedad en la actualidad. Por esto, resulta necesario automatizar el proceso de recopilación de niveles de estrés en el transcurso de este tipo de actividad instrumental de la vida diaria.

El objetivo de este trabajo fin de grado es el de investigar, analizar y desarrollar un entorno multisistema intercomunicado, para monitorizar el nivel de estrés de una persona en el transcurso de una actividad diaria como el uso del transporte público para sus desplazamientos. En el sistema intervienen un reloj inteligente, un dispositivo móvil y un sistema web multiusuario, con diferentes aplicaciones y servicios desarrollados.

La evaluación del estrés se consigue a través de la obtención, filtrado y limpieza de una señal analógica de fotopletismografía (PPG) a través de un sensor ubicado en el reloj inteligente, mediante la que se pueden obtener las características para la variación de frecuencia cardíaca y con la que podemos medir el nivel de estrés de un periodo de tiempo. Este sistema será capaz de predecir el nivel de estrés mediante técnicas de Machine Learning, teniendo un modelo entrenado con un conjunto de datos relacionado con un experimento de niveles de estrés.

Los niveles de estrés, en conjunción con el etiquetado que puede registrar el usuario en el reloj durante la realización de la actividad, ayudan a comprender los motivos por los cuales los usuarios sufren estrés en el desempeño de sus actividades diarias. La realización de este proyecto supone dar explicación a los aspectos que producen estrés al usuario en la realización de actividades de su vida diaria, dándole una explicación y pudiendo llevar un seguimiento más fidedigno para el tratamiento de su estrés. En el desarrollo de este proyecto se han utilizado diferentes tecnologías muy actuales para los dispositivos y plataformas que se tienen.

When a person carries out instrumental activities of daily life, such as using public transport, he or she may be exposed to certain levels of stress. This stress can be caused by internal factors of the individual, such as age or previous experience in using means of transport, or by external factors such as accidents, traffic jams or due to features of the infrastructure provided by the transport consortium to its users. In order to ensure people’s health, it is essential to be aware of the causes that increase their stress level, so that it can be treated by a specialist. In the clinical field, tests are carried out to find out a person’s level of stress, while in the transport consortium, surveys are made to users without considering the stress produced by the use of their services as a section to be evaluated and leaving aside the fact that this is a problem that affects society today. For this reason, it becomes necessary to automate the process of collecting stress levels in the course of this type of instrumental activity of daily life. The aim of this final degree project is to research, analyse and develop an intercommunicated multisystem environment to monitor the stress level of a person in the course of a daily activity such as the use of public transport for commuting. The system involves a smartwatch, a smartphone and a multi-user web system, developing different applications and services. The stress assessment is achieved by obtaining, filtering and cleaning an analogue photoplethysmography (PPG) signal through a sensor located in the smartwatch, through which the characteristics for heart rate variation can be obtained and with which we can measure the stress level of a period of time. This system will be able to predict the stress level using Machine Learning techniques by having a trained model with a dataset related to a stress level experiment. The stress levels in conjunction with the labelling that the user can register on the watch during the activity help to understand the reasons why users suffer stress in the course of their daily activities. The implementation of this project involves explaining the aspects that cause stress to the user in the course of their daily life activities, giving them an explanation and being able to carry out a more reliable follow-up for the treatment of their stress. In the development of this project, several current technologies have been used for the devices and platforms that have been developed.