Combining mental and physical stress: Synergy or interference?

Finke, Johannes B.; Zhang, Xinwei; Plein, D. E.; Schilling, Thomas M.; Schächinger, Hartmut; Larra, Mauro F.

doi:10.1016/j.physbeh.2021.113365

Cited by 12 publications

(21 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Empfohlene Kennwerte sind der Inter-Beat-Intervall (IBI), der Abstand zwischen den zwei sog. R-Zacken (RR-Abstand), oder die aus HR oder IBI abgeleitete Herzratenvariabilität (HRV) (Fahr und Hofer 2013 (Finke et al 2021). Nach jeder Stressphase folgte eine erneute 20-minütige Ruheperiode, in der die Probanden aufgefordert wurden, die Belastung der mentalen sowie körperlichen Aufgaben sowie ihren subjektiven Zustand mit Fragebögen zu bewerten, während sie sich erholten (10 min).…”

Section: üBersicht Der Messmethoden Von Stressunclassified

“…Standardisierte kognitive Reize werden vorwiegend mittels arithmetischer Aufgaben oder Aufmerksamkeits-und Konzentrationsaufgaben induziert, da sie mit einer Beanspruchung kognitiver Ressourcen einhergehen. Der erste kognitive Stresstest basierte auf der arithmetischen Aufgabe, in 7er Schritten ab 100 rückwärts zu zählen (Finke et al 2021). Als Aufmerksamkeitsaufgabe wurde der bereits vielfältig eingesetzte Farbe-Wort-Interferenztest (Stroop-Test) in Form einer validierte Appbasierten Variante "EncephalApp" als Aufgabe gestellt (Bajaj et al 2015).…”

Section: üBersicht Der Messmethoden Von Stressunclassified

“…Die Reihenfolge physischer sowie psychischer Stressoren wurde randomisiert, um additive Effekte auf Stressreaktionen auszubalancieren (Finke et al. 2021 ). Nach jeder Stressphase folgte eine erneute 20-minütige Ruheperiode, in der die Probanden aufgefordert wurden, die Belastung der mentalen sowie körperlichen Aufgaben sowie ihren subjektiven Zustand mit Fragebögen zu bewerten, während sie sich erholten (10 min).…”

Section: Studie Zur Gewinnung Von Physischen Und Psychischen Stressdatenunclassified

“…Der erste kognitive Stresstest basierte auf der arithmetischen Aufgabe, in 7er Schritten ab 100 rückwärts zu zählen (Finke et al. 2021 ). Als Aufmerksamkeitsaufgabe wurde der bereits vielfältig eingesetzte Farbe-Wort-Interferenztest (Stroop-Test) in Form einer validierte App-basierten Variante „EncephalApp“ als Aufgabe gestellt (Bajaj et al.…”

Section: Studie Zur Gewinnung Von Physischen Und Psychischen Stressdatenunclassified

See 3 more Smart Citations

Einsatz von Maschinellem Lernen für die Vorhersage von Stress am Beispiel der Logistik

et al. 2021

View full text Add to dashboard Cite

ZusammenfassungStress und seine komplexen Wirkungen werden bereits seit Anfang des 20. Jahrhunderts erforscht. Die vielfältigen psychischen und physischen Stressoren in der Arbeitswelt können in Summe zu Störungen des Organismus und zu Erkrankungen führen. Da die Ausprägung körperlicher und subjektiver Folgen von Stress individuell unterschiedlich ist, lassen sich keine absoluten Grenzwerte ermitteln. Zur Erforschung der systematischen Mustererkennung physiologischer und subjektiver Stressparameter sowie einer Stressvorhersage, werden in dem vorliegenden Beitrag Methoden des maschinellen Lernens (ML) eingesetzt. Als praktischer Anwendungsfall dient die Logistikbranche, in der Belastungsfaktoren häufig in der Tätigkeit und der Arbeitsorganisation begründet liegen. Ein Gestaltungselement bei der Prävention von Stress ist die Arbeitspause. Mit ML-Methoden wird untersucht, inwieweit Stress auf Basis physiologischer und subjektiver Parameter vorhergesagt werden kann, um Pausen individuell zu empfehlen. Im Beitrag wird der Zwischenstand einer Softwarelösung für ein dynamisches Pausenmanagement für die Logistik vorgestellt.Praktische Relevanz: Das Ziel der Softwarelösung „Dynamische Pause“ besteht darin, Stress in Folge mentaler und physischer Belastungsfaktoren in der Logistik präventiv vorzubeugen und die Beschäftigten auf lange Sicht gesund, zufrieden, arbeitsfähig und produktiv zu halten. Infolge individualisierter Erholungspausen als Gestaltungselement, können Unternehmen unterstützt werden, Personalressourcen entsprechend der dynamischen Anforderungen der Logistik flexibler einzusetzen.

show abstract

Section: üBersicht Der Messmethoden Von Stressunclassified

Section: Studie Zur Gewinnung Von Physischen Und Psychischen Stressdatenunclassified

See 2 more Smart Citations

Einsatz von Maschinellem Lernen für die Vorhersage von Stress am Beispiel der Logistik

et al. 2021

View full text Add to dashboard Cite

show abstract

“…The measurement of stress-related signals can be direct [18,19] or indirect [3][4][5][6]. Direct measurement is usually conducted through isolated signals, while the stress level can be determined based on the level of variable(s) associated with stress.…”

Section: Introductionmentioning

confidence: 99%

Longitudinal estimation of stress-related states through bio-sensor data

Mozgovoy

2021

ACI

View full text Add to dashboard Cite

PurposeThe authors aim to develop a conceptual framework for longitudinal estimation of stress-related states in the wild (IW), based on the machine learning (ML) algorithms that use physiological and non-physiological bio-sensor data.Design/methodology/approachThe authors propose a conceptual framework for longitudinal estimation of stress-related states consisting of four blocks: (1) identification; (2) validation; (3) measurement and (4) visualization. The authors implement each step of the proposed conceptual framework, using the example of Gaussian mixture model (GMM) and K-means algorithm. These ML algorithms are trained on the data of 18 workers from the public administration sector who wore biometric devices for about two months.FindingsThe authors confirm the convergent validity of a proposed conceptual framework IW. Empirical data analysis suggests that two-cluster models achieve five-fold cross-validation accuracy exceeding 70% in identifying stress. Coefficient of accuracy decreases for three-cluster models achieving around 45%. The authors conclude that identification models may serve to derive longitudinal stress-related measures.Research limitations/implicationsProposed conceptual framework may guide researchers in creating validated stress-related indicators. At the same time, physiological sensing of stress through identification models is limited because of subject-specific reactions to stressors.Practical implicationsLongitudinal indicators on stress allow estimation of long-term impact coming from external environment on stress-related states. Such stress-related indicators can become an integral part of mobile/web/computer applications supporting stress management programs.Social implicationsTimely identification of excessive stress may improve individual well-being and prevent development stress-related diseases.Originality/valueThe study develops a novel conceptual framework for longitudinal estimation of stress-related states using physiological and non-physiological bio-sensor data, given that scientific knowledge on validated longitudinal indicators of stress is in emergent state.

show abstract