Relación entre la calidad del sueño y factores sociodemográficos: un análisis mediante el algoritmo K-Modes
DOI:
https://doi.org/10.59169/pentaciencias.v6i7.1294Palabras clave:
Calidad del sueño; factores sociodemográficos; nivel educativo; Cluster; K-ModesResumen
La calidad del sueño es esencial para la salud física y mental, influenciada por factores como el género, edad, y entorno. La falta de sueño puede causar enfermedades crónicas y reducir la calidad de vida, destacando la importancia de analizar sus determinantes. El estudio busca explorar la relación entre la calidad del sueño y factores sociodemográficos mediante el uso del algoritmo K-Modes, destacando patrones en la población adulta. Se realizó un estudio transversal con 102 participantes. Se analizaron variables como calidad del sueño, latencia, duración, género, edad, lugar de procedencia y nivel educativo. El algoritmo K-Modes fue utilizado para agrupar datos categóricos en clústeres. El análisis reveló tres clústeres principales con características distintivas en cuanto a la calidad del sueño y factores sociodemográficos. Las mujeres jóvenes reportaron mejores condiciones de sueño, mientras que las personas mayores, especialmente de áreas rurales y con menor nivel educativo, tendieron a tener peor calidad de sueño. Los hallazgos destacan la influencia del género, edad, lugar de procedencia y nivel educativo en la calidad del sueño. Las mujeres, jóvenes y personas con mayor nivel educativo suelen reportar mejor calidad de sueño. Los adultos mayores y quienes viven en zonas rurales tienen más probabilidades de reportar mala calidad del sueño. La calidad del sueño está influenciada por factores sociodemográficos como el género, edad y lugar de residencia. El uso de herramientas como el algoritmo K-Modes permite identificar patrones para desarrollar intervenciones personalizadas que mejoren la calidad del sueño en poblaciones vulnerables.
Descargas
Citas
Appleton, S. L., Melaku, Y. A., Reynolds, A. C., Gill, T. K., De Batlle, J., & Adams, R. J. (2022). Multidimensional sleep health is associated with mental well‐being in Australian adults. Journal of Sleep Research, 31(2), e13477. https://doi.org/10.1111/jsr.13477
Chang, K. K. P., Wong, F. K. Y., Chan, K. L., Wong, F., Ho, H. C., Wong, M. S., Ho, Y. S., Yuen, J. W. M., Siu, J. Y., & Yang, L. (2020). The Impact of the Environment on the Quality of Life and the Mediating Effects of Sleep and Stress. International Journal of Environmental Research and Public Health, 17(22), 8529.
Dinh, T., Hauchi, W., Fournier-Viger, P., Lisik, D., Ha, M.-Q., Dam, H.-C., & Huynh, V.-N. (2024). Categorical data clustering: 25 years beyond K-modes (arXiv:2408.17244). arXiv. http://arxiv.org/abs/2408.17244
Ghazal, T. M. (2021). Performances of k-means clustering algorithm with different distance metrics. Intelligent Automation & Soft Computing, 30(2), 735-742.
Gómez-García, R., Alonso-Sangregorio, M., & Llamazares-Sánchez, M. L. (2020). Burnout in social workers and socio-demographic factors. Journal of Social Work, 20(4), 463-482. https://doi.org/10.1177/1468017319837886
Gordon, A. M., Carrillo, B., & Barnes, C. M. (2021). Sleep and social relationships in healthy populations: A systematic review. Sleep Medicine Reviews, 57, 101428.
Hsu, T.-L., & Barrett, A. E. (2020). The Association between Marital Status and Psychological Well-being: Variation across Negative and Positive Dimensions. Journal of Family Issues, 41(11), 2179-2202. https://doi.org/10.1177/0192513X20910184
Jha, V. M. (2023). The prevalence of sleep loss and sleep disorders in young and old adults. Aging brain, 3, 100057.
Karim, A., Azam, S., Shanmugam, B., & Kannoorpatti, K. (2021). An unsupervised approach for content-based clustering of emails into spam and ham through multiangular feature formulation. IEEE Access, 9, 135186-135209.
Kuo, R.-J., Zheng, Y. R., & Nguyen, T. P. Q. (2021). Metaheuristic-based possibilistic fuzzy k-modes algorithms for categorical data clustering. Information Sciences, 557, 1-15.
Kuroki, M. (2021). Using Python and Google Colab to teach undergraduate microeconomic theory. International Review of Economics Education, 38, 100225.
Lee, S., Kim, J. H., & Chung, J. H. (2021). The association between sleep quality and quality of life: A population-based study. Sleep Medicine, 84, 121-126.
Mehta, K. J. (2022). Effect of sleep and mood on academic performance—At interface of physiology, psychology, and education. Humanities and Social Sciences Communications, 9(1), 1-13.
Morssinkhof, M. W. L., Van Wylick, D. W., Priester-Vink, S., Van Der Werf, Y. D., Den Heijer, M., Van Den Heuvel, O. A., & Broekman, B. F. P. (2020). Associations between sex hormones, sleep problems and depression: A systematic review. Neuroscience & Biobehavioral Reviews, 118, 669-680.
Nouraei, H., Nouraei, H., & Rabkin, S. W. (2022). Comparison of unsupervised machine learning approaches for cluster analysis to define subgroups of heart failure with preserved ejection fraction with different outcomes. Bioengineering, 9(4), 175.
Papachristou, N. (2020). Machine Learning for Exploring and Predicting Cancer Symptom Clusters [PhD Thesis, University of Surrey]. https://openresearch.surrey.ac.uk/view/pdfCoverPage?instCode=44SUR_INST&filePid=13140632770002346&download=true
Saat, N. Z. M., Hanawi, S. A., Chan, K. S., Hanafiah, H., Teh, S. C., Aznan, S. R., & Zulkefli, Z. H. (2020). Sleep quality among university students: Associations between demographic factors and physical activity level. International Journal of Pharmaceutical Research and Allied Sciences, 9(3-2020), 57-65.
Streatfeild, J., Smith, J., Mansfield, D., Pezzullo, L., & Hillman, D. (2021). The social and economic cost of sleep disorders. Sleep, 44(11), zsab132.
Tolner, F., Fegyverneki, S., Eigner, G., & Barta, B. (2021). Clustering based on Preferences with K-modes using Categorical Variables. 2021 IEEE 19th International Symposium on Intelligent Systems and Informatics (SISY), 55-60. https://ieeexplore.ieee.org/abstract/document/9582485/
Wang, F., & Bíró, É. (2021). Determinants of sleep quality in college students: A literature review. Explore, 17(2), 170-177.
Wang, X., & Cheng, Z. (2020). Cross-sectional studies: Strengths, weaknesses, and recommendations. Chest, 158(1), S65-S71.
White, M. G. (2020). Why human subjects research protection is important. Ochsner journal, 20(1), 16-33.
Xiao, Q., Chaput, J.-P., Olds, T., Fogelholm, M., Hu, G., Lambert, E. V., Maher, C., Maia, J., Onywera, V., & Sarmiento, O. L. (2020). Sleep characteristics and health-related quality of life in 9-to 11-year-old children from 12 countries. Sleep Health, 6(1), 4-14.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
