Aunque las tasas de desgaste profesional o burnout pueden variar en función de contextos organizacionales y diversos tipos de trabajadores, varias investigaciones reportan tasas de prevalencia superiores en la población médica y profesionales de la salud en comparación con otras poblaciones (Adán, Jiménez y Herrra, 2004; Hernández, 2003; Toral-Villanueva, Aguilar-Madrid y Juárez-Pérez, 2009; Breilh, 1993). Por esta razón, se implementó una propuesta, basada en inteligencia artificial, para

more »

... ificar patrones en variables de tipo sociodemográficas, de carga laboral y de nivel de burnout con el objetivo de ofrecer intervenciones o recomendaciones personalizadas. Para ello, se aplicaron un total de 724 formularios en línea a profesionales de la salud de México, los cuales contenían el inventario de Maslach adaptado a población mexicana (Aranda, Pando y Salazar, 2016) así como preguntas adicionales relacionadas a variables sociodemográficas y carga laboral. Posteriormente se implementó el algoritmo de clusterización Kamila para formar grupos de profesionales con el mayor parecido entre ellos (tomando en cuenta los resultados del inventario de Maslach y el resto de variables) finalmente se entrenó un modelo de clasificación utilizando un algoritmo de SVM (Support Vector Machine) con kernel gaussiano para clasificar nuevas observaciones en algún grupo resultado de la etapa clusterización, el cual tuvo una precisión de .92. La aplicación de algoritmos basados en inteligencia artificial puede servir para realizar intervenciones grupales lo más especializadas posibles o crear plataformas que puedan arrojar recomendaciones psicológicas personalizadas.