Eduardo Manzanares Medina

César Merino Soto

Universidad de San Martín de Porres

X CONGRESO NACIONAL DE ESTUDIANTES Y PROFESIONALES DE PSICOLOGÍA. Desarrollo del Capital Humano: Investigación y Estrategias de Intervención, del

6 al 8 de noviembre de 2013, Lima, Perú

ANÁLISIS SEM DEL INVENTARIO DE DEPRESIÓN ESTADO/RASGO EN

ADOLESCENTES

¿QUÉ ES EL IDER?

• Inventario de Depresión Estado-Rasgo (Ritterband y Spielberger, 1996; Spielberger, Agudelo y Buela-Casal, 2008)

• Breve, auto-reporte; facilita la detección rápida y diferenciada de los síntomas depresivos.

• Distinción entre estado y rasgo.

• Inicialmente en adultos; posteriormente, probado en adolescentes.

• Satisfactorias propiedades psicométricas en estudios latinoamericanos: Colombia (Agudelo, 2009; Ocampo, 2007) y Chile (Vera-Villarroel et ál., 2008).

Modelo original (bidimensional):

• Items (+) e ítems (-) en dos factores relacionados(Eutimia y Distimia), tanto para Estado como paraRasgo.

INTERPRETACIÓN DEL IDER

1 2 3 4 5 6 7 8 9 10

E D AD

1 2 3 4 5 6 7 8 9 10

Modelo unidimensional

• Justifica un solo puntaje interpretativo.

DOS PUNTAJES INTERPRETABLES UN PUNTAJE INTERPRETABLE

VALIDACIÓN FACTORIAL IDER:¿Se halla lo mismo en participantes adolescentes?

País Estudio N Factores Análisis

Colombia Ocampo (2007)300 universitarios

300 adolescentes

2

2

PCA

PCA

Chile Vera-Villarroel, et al. (2008) 300 2 PCA

Colombia Agudelo (2009) 298 2 EFA

PerúMerino, Pflucker & Riaño-

Hernández (2013)314 2 EFA

Sí, sin embargo pueden existir sesgos debido a problemas influenciados por:•Diferentes métodos de extracción, y rotación:•PCA, rotación varimax, promax, gráfico scree test.

•Error de medición incluido en análisis exploratorios.•Efecto del método.•No evaluación de replicabilidad.

VALIDACIÓN FACTORIAL DEL IDER:¿Se halla lo mismo en participantes adolescentes?

RACIONALIDAD DEL PRESENTE ESTUDIO

•Motivación práctica y teórica para iniciar su validación:•Práctica: Posibilidades de su uso en contextos clínicos

y escolares• Diferenciar e identificar adolescentes en riesgo• Instrumentación a profesionales de salud mental• Monitoreo de intervenciones

• Teórica: definición de constructos• Hallar el modelo de medición más apropiado.

•Resultados como línea base desde SEM

MÉTODO

METODO:Participantes

Sexo

= 49 (43.4%)

= 64 (56.6%)

EdadMin = 10Max = 17M = 13.79DE = 2.06

GradoPrimaria (5Tto y 6to)21 alumnos = 18.5%

Secundaria92 alumnos = 91.5%

Criterios de inclusión• Asistencia regular• Presentes el día de la evaluación• Aceptación voluntaria

• Colegio de gestión estatal• Distrito de San Isidro• Población de primaria y secundaria

METODO:Instrumento

• Inventario de Depresión Estado-Rasgo• Dos aspectos: ESTADO (10 ÍTEMS), RASGO (10 ÍTEMS)• Dos contenidos: EUTIMIA, DISTIMIA

1. Me siento bien

2. Estoy apenado(a)

3. Estoy decaído(a), desalentado(a)

4. Estoy animado(a)

5. Me siento desdichado/a, sin suerte

6. Estoy hundido/a, abatido(a)

7. Estoy contento(a)

8. Estoy triste

9. Estoy entusiasmado(a)

10. Me siento enérgico(a)

1. Disfruto de la vida

2. Me siento desgraciado(a), infeliz

3. Me siento pleno(a), satisfecho

4. Me siento dichoso/a

5. Tengo esperanzas sobre el futuro

6. Estoy decaído(a), desalentado(a)

7. No tengo ganas de nada

8. Estoy hundido(a), abatido(a)

9. Estoy triste

10. Me siento enérgico(a)

E

D

ESTADO RASGO

D

E

METODO:Procedimiento

•Método: Modelamiento de Ecuaciones Estructurales (CFA)

•Matriz: correlaciones policóricas

•Función de ajuste: Maximum Likehood

•Ajuste Satorra-Bentler•Indices de ajuste:

•Relativo : CFI, NNFIT

•Absoluto : SRMR, RMSEA

•Software : EQS 6.2

•Consistencia interna:

•Alfa e intervalos de confianza (método Fisher)

•Coeficiente Rho

PROCEDIMIENTO:Modelos (ejemplo: RASGO)

AD

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

E D

1 2 3 4 5 6 7 8 9 10

E D

AD

1 2 3 4 5 6 7 8 9 10

E D

Unidimensional Bidimensional ortogonal

Bidimensional oblicuoBi-factor

RESULTADOS

ANÁLISIS DISTRIBUCIONAL DE ÍTEMS

EUTIMIA DISTIMIA0

.1.2

.3.4

Den

sity

0 1 2 3 4 5v1

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5v3

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.1.1

5.2

.25

.3

Den

sity

0 1 2 3 4 5v4

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5v5

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.05

.1.1

5.2

.25

.3

Den

sity

0 1 2 3 4 5v10

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4.5

Den

sity

0 1 2 3 4 5v2

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5v6

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5v7

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4.5

Den

sity

0 1 2 3 4 5v8

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5v9

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

RASGO

0.1

.2.3

Den

sity

0 1 2 3 4 5V1

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.05

.1.1

5.2

.25

.3

Den

sity

0 1 2 3 4 5V4

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.05

.1.1

5.2

.25

.3

Den

sity

0 1 2 3 4 5V7

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.1.1

5.2

.25

.3.3

5

Den

sity

0 1 2 3 4 5V9

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

.05

.1.1

5.2

.25

.3

Den

sity

0 1 2 3 4 5V10

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimateESTADO

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5V2

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4.5

Den

sity

0 1 2 3 4 5V3

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4

Den

sity

0 1 2 3 4 5V5

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4.5

Den

sity

0 1 2 3 4 5V6

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

0.1

.2.3

.4.5

Den

sity

0 1 2 3 4 5V8

kernel = epanechnikov, bandwidth = 0.6000

Kernel density estimate

RESULTADOS:Ajuste de RASGO

ModeloSB-2

(gl)RMSEA(IC90%)

CFI SRMR

1 dimensión81.84(35)

0.10

(0.07, 0.13)0.85 0.17

2 Ortogonal53.27

(35)

0.06

(0.02, 0.10)0.94 0.17

2 Oblicuo32.55

(34)

0.00

(0.00, 0.06)1.00 0.07

Bi-factorNO

CONVERGE- - -

<0.05 >0.95 <0.05

AD

1 2 3 4 5 6 7 8 9 10

1 2 3 4 5 6 7 8 9 10

E D

1 2 3 4 5 6 7 8 9 10

E D

1 2 3 4 5 6 7 8 9 10

E D

AD

RESULTADOS:Modelo BIFACTORIAL EXPLORATORIO (RASGO)

1 2 3 4 5 6 7 8 9 10

E D

AD

.46 -.39 .47 .60 .48 -.49 -.49 -.36 -.24 .47

.20 .65 .28 .39 .31 .70 .53 .70 .62 .26

E : EutimiaD : DistimiaAD : Ánimo Depresivo

Método Schmid-Leiman (1975)

La magnitud de las cargas es mejor en el factor general

-.52

.85

RESULTADOS:Ajuste de ESTADO

ModeloSB-2

(gl)RMSEA(IC90%)

CFI SRMR

1 dimensión71.39(35)

0.09

(0.06, 0.12)0.92 0.09

2 Ortogonal62.26

(35)

0.08

(0.04, 0.11)0.947 0.23

2 Oblicuo45.41

(34)

0.05

(0.00, 0.09)0.97 0.09

Bi-factorNo

converge- - -

<0.05 >0.95 <0.05

AD

1 2 3 4 5 6 7 8 9 10

1 2 3 4 5 6 7 8 9 10

E D

1 2 3 4 5 6 7 8 9 10

E D

1 2 3 4 5 6 7 8 9 10

E D

AD

RESULTADOS:Modelo BIFACTORIAL EXPLORATORIO (ESTADO)

1 2 3 4 5 6 7 8 9 10

E D

AD

-.60 .63 .58 -.52 .37 .48 -.65 .71 -.30 -.35

.29 .33 .32 .55 .05 .16 .51 .34 .59 .36

E : EutimiaD : DistimiaAD : Ánimo Depresivo

La magnitud de las cargas es mejor en el factor general

Método Schmid-Leiman (1975)

-.67

.89

CONSISTENCIA INTERNA: alfa

Rasgo Estado

.rii .α .rii .α

EUTIMIA0.29 0.68 0.42 0.78

DISTIMIA0.48 0.82 0.26 0.64

TOTAL0.28 0.79 0.29 0.80

CONCLUSIONES

CONCLUSIONES

• El model bifactorial es razonable

• UN sola variable retiene contiene más varianza.

• El uso de dos puntajes no parece robusto en grupos de adolescentes.

• El puntaje total es más confiable que los puntajes subescala.

• Un solo puntaje parece recomendado cuando se use el IDER.

• Suficientemente confiable para propósitos de despistaje

PERSPECTIVAS

• Posible efecto del sesgo debido al fraseo negativo

• Confiabilidad por método factorial

• Teoría de Respuesta al ítem

• Replicabilidad del estudio: sexo, muestreo aleatorio

•Es bienvenida la colaboracón

Gracias

¿Preguntas?Más información:sikayax@yahoo.com.ar