Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024

Abstract

La presente investigación tuvo como objetivo aplicar técnicas de Machine Learning para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA, 2024, siendo de tipo aplicada, pre-experimental, descriptivo y transversal; la población estuvo conformada por 235 trabajadores del MINSA. La técnica de recolección de datos fue la encuesta y observacion, a la vez del instrumento de cuestionario. Los resultados muestran que en “ansiedad”, Regresión logística obtuvo los mejores valores de Accuracy con 100.00%, Sensibilidad con 100.00%, Especificidad con 100.00%, F1-Score con 100.00% y Precisión con 100.00%. Igualmente, en “Estrés”, Regresión logística obtuvo los mejores valores de Accuracy con 95.74%, Sensibilidad con 87.50%, Especificidad con 98.91%, F1-Score con 79.16% y Precisión con 83.33%. Concluyendo que Regresión logística fue el mejor algoritmo para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA.