Uso de sensores biométricos en la investigación del estrés y la función autonómica de personas con condiciones del espectro autista

• Autor: Baquerizo Sedano, Marilia Lucia
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Peruana Cayetano Heredia
• Repositorio: UPCH-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upch.edu.pe:20.500.12866/15417
• Enlace del recurso: https://hdl.handle.net/20.500.12866/15417
• Nivel de acceso: acceso abierto
• Materia: Autismo; Estrés; Sensores Biométricos; http://purl.org/pe-repo/ocde/ford#3.01.04; http://purl.org/pe-repo/ocde/ford#3.02.03; http://purl.org/pe-repo/ocde/ford#3.02.24; http://purl.org/pe-repo/ocde/ford#5.01.00

Se han descrito diferencias en la función autonómica en personas con condiciones del espectro autista en estado de reposo y estrés. Estas diferencias pueden estar asociadas a un procesamiento sensorial atípico y afecciones de salud mental, y tendrían un efecto cascada en el desarrollo de otras características propias del autismo. La presente revisión narrativa a tiene como objetivo sintetizar la literatura científica disponible respecto al uso de sensores biométricos en la investigación del estrés y la función autonómica de personas con condiciones del espectro autista. Se realizaron búsquedas en bases de datos electrónicas Scopus, Web of Science, PubMed y Medline de artículos publicados en inglés desde el 1 de enero de 2000 hasta el 1 de abril de 2023. En base a los estudios revisados se concluye que la función autonómica en el autismo es heterogéna, hay evidencia de varios perfiles atípicos, siendo el más frecuente la hiperactivación/hiperexcitación arousal y la sobreexcitación simpática con baja influencia parasimpática en condiciones de estrés. Se requieren estudios con muestras más grandes, en entornos cotidianos, con registros de mayor duración y que complementen la información fisiológica con medidas clínicas y datos de múltiples niveles de análisis. Los dispositivos con sensores biométricos constituyen una gran oportunidad para realizar estos estudios; para detectar con precisión el estrés, es conveniente analizar las señales como las medidas cardiacas (HR, HRV), la actividad electrodérmica (EDA) y la temperatura de la piel (SKT) de forma conjunta, y construir un modelo robusto con técnicas de aprendizaje automático.