Minería de reglas de asociación basada en ECLAT para mejorar la salud mental en el trabajo y la comprensión organizacional

Por qué tu trabajo y tu mente están profundamente vinculados

La salud mental en el trabajo ya no es solo un asunto personal; condiciona el funcionamiento de las empresas, la creatividad de las personas y la duración de sus permanencias en los puestos. Sin embargo, la mayoría de los entornos laborales siguen apoyándose en encuestas sencillas o en eventos puntuales de bienestar que rara vez muestran qué condiciones cotidianas desgastan a las personas o les ayudan a sobrellevarlo. Este estudio analiza miles de respuestas detalladas de encuestas a empleados y utiliza un método potente de búsqueda de patrones para descubrir qué combinaciones de condiciones laborales suelen aparecer junto con tensión mental o con apoyo. El objetivo es convertir respuestas dispersas en señales claras que los líderes puedan usar.

Mirando por debajo de la superficie del estrés laboral

Los investigadores partieron de una amplia y citada encuesta a empleados—principalmente del sector tecnológico—que preguntaba sobre historial de salud mental, tratamiento, cultura laboral y políticas de la empresa. En vez de centrarse en preguntas aisladas, trataron el conjunto completo de respuestas de cada persona como una instantánea de su vida laboral. Los temas clave incluían si las personas conocían los recursos de salud mental, qué tan fácil era tomar una baja, si se sentían seguras hablando con jefes o compañeros, y si la salud mental o física se tomaba más en serio. Detalles demográficos como edad y ubicación se dejaron de lado para que el análisis pudiera concentrarse con claridad en las condiciones internas del lugar de trabajo que moldean el bienestar cotidiano.

Convertir respuestas de encuestas en patrones

Para dar sentido a esta información rica pero desordenada, el equipo empleó un enfoque llamado minería de reglas de asociación, potenciado por un algoritmo eficiente conocido como ECLAT. En términos simples, el método busca combinaciones de respuestas que aparecen juntas una y otra vez entre muchos empleados—por ejemplo, personas que dicen que su trabajo se ve interrumpido con frecuencia por problemas de salud mental y que además reportan haber buscado tratamiento. Las respuestas de cada encuestado se codifican como pequeños bloques, y el algoritmo examina todo el conjunto de datos para encontrar qué bloques suelen agruparse. Debido a que ECLAT opera con una vista vertical compacta de los datos, puede explorar miles de combinaciones posibles con rapidez manteniendo los resultados fáciles de interpretar.

Lo que los vínculos ocultos revelan sobre el lugar de trabajo

Los patrones descubiertos dibujan una imagen matizada de cómo interactúan la salud mental y el diseño organizacional. Los empleados que informan que la salud mental interfiere a menudo con su trabajo son, como era de esperar, más propensos a haber buscado tratamiento—pero también se encuentran con mayor frecuencia en organizaciones que no abordan la salud mental en programas de bienestar o en entrevistas de trabajo. En contraste, los trabajadores de empresas tecnológicas informan más a menudo no ver consecuencias negativas para colegas con problemas de salud mental, lo que sugiere un clima algo más seguro para la divulgación. Surgen vínculos fuertes también entre conocer la existencia de programas de bienestar y prestaciones y el hecho de solicitar ayuda: cuando las estructuras de apoyo son visibles y de confianza, los empleados tienden a hacer uso de ellas. En el extremo opuesto, quienes no están seguros de si el uso de servicios de salud mental sería anónimo suelen mantenerse en silencio, especialmente en contextos formales como entrevistas.

Medir qué vínculos importan de verdad

No todos los patrones tienen la misma importancia, por lo que el estudio evalúa cada relación descubierta mediante tres ideas sencillas: qué tan común es, cuán fiable es que una respuesta siga a otra y si el par aparece junto con más frecuencia de la esperable por azar. A través de este prisma, algunas de las relaciones más fuertes involucran el acceso a prestaciones, programas de bienestar y el tamaño de la empresa. Las organizaciones más grandes que ofrecen prestaciones claras de salud mental y programas de bienestar estructurados tienen más probabilidad de contar con empleados que buscan ayuda. Las compañías más pequeñas y los lugares de trabajo con escaso apoyo de supervisores o compañeros suelen carecer de tales prestaciones y muestran menos señales de discusión abierta. Cuando los investigadores compararon ECLAT con otros métodos populares, hallaron que descubría los mismos patrones clave pero con mucho menos tiempo de cálculo y memoria, lo que lo hace práctico para un uso frecuente por parte de las organizaciones.

De las pistas de los datos a una mejor vida laboral cotidiana

Para quienes no son especialistas, el mensaje de este estudio es directo: las encuestas a empleados contienen pistas potentes sobre cómo el trabajo protege o perjudica la salud mental, pero esas pistas residen en las combinaciones de respuestas, no en preguntas aisladas. Al usar herramientas de minería de patrones rápidas como ECLAT, las organizaciones pueden identificar qué mezclas de políticas, cultura y apoyo—como programas de bienestar visibles, prestaciones reales y privacidad confiable—van de la mano con trabajadores más saludables. Aunque los datos de este estudio proceden de antes de cambios recientes en la forma de trabajar, el método puede integrarse en cualquier encuesta moderna. Usado con criterio, puede orientar pasos concretos para construir lugares de trabajo donde las personas se sientan más seguras para pedir ayuda, experimenten menos tensión oculta y estén en mejores condiciones de dar lo mejor de sí.

Cita: Ullah, A., Ashraf, S., Aldakheel, E.A. et al. ECLAT based association rule mining for advancing workplace mental health and organizational insights. Sci Rep 16, 14090 (2026). https://doi.org/10.1038/s41598-026-41702-0

Palabras clave: salud mental en el trabajo, encuestas a empleados, RR. HH. basados en datos, minería de reglas de asociación, bienestar organizacional