Screening de síntomas psicológicos en adolescentes argentinos

  Guadalupe de la Iglesia¹², Mercedes Fernández Liporace²³, Alejandro Castro Solano¹²
  ¹Universidad de Palermo, ²Consejo Nacional de Investigaciones Científicas y Técnicas, ³Universidad de Buenos Aires
  Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Texto completo (PDF)

de la Iglesia, G., Fernández Liporace, M., & Castro Solano, A. (2017). Screening de síntomas psicológicos en adolescentes argentinos. PSIENCIA. Revista Latinoamericana de Ciencia Psicológica, 9. doi: 10.5872/psiencia/9.3.22

Resumen

Resumen

El objetivo de este trabajo fue establecer las puntuaciones de corte de los puntajes compuestos del Listado de Síntomas Breve 50 (de Rivera & Abuín, 2012) para su uso en adolescentes de Buenos Aires. Para ello se analizaron curvas característica operativa del receptor –o curva ROC por sus siglas en inglés– y con esa información se procedió a determinar los valores de sensibilidad, especificidad, valor predictivo positivo y negativo. Además se estimó la prevalencia de síntomas psicológicos en adolescentes de Buenos Aires. La muestra estuvo constituida por 1002 adolescentes de Buenos Aires de edades entre 12 y 18 años (M = 14.98; DE = 1.99; 50.3% mujeres, 49.7% varones). Se identificaron puntajes de corte teóricamente óptimos para su uso en el ámbito de investigación y puntajes de corte más apropiados para su uso en el ámbito de aplicación con fines de screening psicopatológico. Se estima que el 25.84% de los adolescentes se encuentran en riesgo patológico siendo los síntomas más frecuentes los de hostilidad, somatización y depresión.

Palabras Clave: Síntomas psicológicos, Screening, LSB-50, Adolescentes

Introducción

Introducción

La detección y análisis de las poblaciones en riesgo ha sido clásicamente objeto de estudio de la epidemiología, complementándose desde hace algunas décadas con los aportes de una mirada psicológica (Jessor, 1991). La evaluación del riesgo brinda una medida de la posibilidad de que se produzca un hecho perjudicial o un daño a la salud (Organización Panamericana de la Salud, 1999). Entre las posibles enfermedades que los seres humanos pueden padecer, las psicológicas se constituyen como un punto de interés por implicar un malestar en sí mismas y por hallarse ligadas a consecuencias negativas de diversa índole, como el funcionamiento social del individuo, su rendimiento académico, su desempeño laboral o el bienestar familiar afectado por la carga sostenida del cuidador, entre otras (e.g. Angold, Messer, Stangl, Farmer, Costello & Burns, 1998; Dehue, Bolman, Völlink & Pouwelse, 2012; Kofler, McCart, Zajac, Ruggiero, Saunders & Kilpatrick, 2011; Quiroga, Janosz, Bisset & Morin, 2013).

Existen poblaciones con mayor o menor vulnerabilidad a la enfermedad psicológica, predisposición que se encuentra determinada por las particularidades inherentes a cada grupo. En los adolescentes el riesgo de ocurrencia de síntomas psicológicos es alto debido a las características de esta etapa del ciclo vital (Casullo, 1998; Coleman & Hendry, 2003; Herrera Santi, 1999). Si bien el riesgo de padecer un trastorno mental está presente a lo largo de toda la vida, en la adolescencia esta posibilidad se ve incrementada (Jessor, 1991). Una factor decisivo para ello radica en la proclividad de los adolescentes a incurrir en comportamientos riesgosos. A pesar de que algunos comportamientos riesgosos son esperados, necesarios o incluso beneficiosos (Ellis et al., 2012), su vínculo con una posible presencia de sintomatología psicológica no debería pasarse por alto (e.g., Vrouva, Fonagy, Fearon, & Roussow, 2010).

La Teoría del Comportamiento Problemático de Jessor (1987) propone que el hecho de que los adolescentes incurran en conductas riesgosas puede explicarse por su necesidad de oponerse a las normas vigentes en la sociedad. Se piensa que este actuar es temporal y declinará en la adultez (Briggs, 2009; Graham, 2004). Sin embargo, mientras transcurre, favorece la susceptibilidad del adolescente a padecer psicopatología, sumado ello a que la presencia de sintomatología psicológica en los adolescentes se relaciona con problemas psicológicos en la adultez (e.g., Helgeland, Kjelsberg, & Torgersen, 2005; Stepp, Olino, Klein, Seely, & Lewinsohn, 2013). De allí que la detección de psicopatología y consecuentes intervenciones tempranas en población adolescente resulte fundamental.

Estimaciones de prevalencia psicopatológica

La estimación y el análisis de la prevalencia de psicopatología en una población resulta ser uno de los temas centrales de la salud pública (Kohn et al., 2005). Su conocimiento podría dar respuesta a tres objetivos: i) determinar la dimensión del problema; ii) explorar qué otros aspectos psicológicos caracterizan a los individuos que sufren trastornos mentales; iii) identificar a aquellos individuos que se encuentran en riesgo de padecer o que efectivamente padecen trastornos mentales para intervenir tempranamente en ellos.

La prevalencia de trastornos mentales varía según el país en el que se la estudie entre un 4.3% y un 26.4% de casos (Demyttenaere et al., 2004; Polanczyk, Salum, Sugaya, Caye, & Rohde, 2015; WHO International Consortium in Psychiatric Epidemiology, 2000). Los trastornos mentales más frecuentes son los de ansiedad y los del estado del ánimo –por ejemplo el obsesivo compulsivo, ansiedad generalizada, síntomas depresivos– (Akihiro et al., 2015; Aillon et al., 2014; Caparrós Caparrós, Villar Hoz, Juan Ferrer, & Viñas Poch, 2007; Casullo, 2004; Chadda, 2015; González de Rivera et al., 1999; Kessler et al., 2005; Klimas, Neary, McNicholas, Meagher, & Cullen, 2014; Patel & Stein, 2015; Sánchez & Ledesma, 2009; Stylianidis, Pantelidou, Chondros, Roelandt, & Barbato, 2014; The ESEMeD/MHEDEA 2000 Investigators et al., 2004). Tal es así que han sido denominados trastornos mentales frecuentes (Chadda, 2015; Goldberg & Huxley, 1992).

Se estima que la prevalencia de trastornos mentales en la población argentina ronda el 20%. Estos datos, calculados por la Dirección Nacional de Salud Mental y Adicciones (Ministerio de Salud, 2010), indican también que existe una mayor densidad de casos en la Ciudad de Buenos Aires y el Gran Buenos Aires. Aunque los valores son más actuales que otras estadísticas argentinas acerca de los trastornos mentales (Casullo, 1983; Di Marco, 1981; Pagés Larraya, Casullo, & Paso Viola, 1982), se basan en proyecciones fundamentadas en estadísticas latinoamericanas y por ello conllevan cierta imprecisión.

Detección de sujetos en riesgo

La atención primaria de salud, según fuera definida por la Organización Panamericana de la Salud en la Conferencia Internacional de Alma-Ata (Pan American Health Organization, 1978), encuentra como puntos basales la asistencia cimentada en métodos: (i) prácticos, (ii) científicamente fundamentados, y (iii) con costos que el sistema de salud pública nacional pueda afrontar. La denominada estrategia de enfoque de riesgo plantea que cuanto más precisa sea la medición de tal condición, mejor se conocerán las necesidades de la población y como consecuencia inmediata, se incrementará la efectividad de las intervenciones (Organización Panamericana de la Salud, 1999). La habilidad para medir riesgo con la mayor exactitud posible se convierte, así, en un objetivo elemental para no incurrir en subdiagnósticos (e.g., de Souza Vivan et al., 2014).

En este sentido, la Dirección Nacional de Salud Mental y Adicciones (Ministerio de Salud, 2010) enfatiza la necesidad de contar con procedimientos de evaluación rápida señalando además la carencia en cuanto a instrumental adecuado para el registro de trastornos mentales a nivel poblacional. Los tests de screening resultan útiles para estos fines ya que están especialmente diseñados para evaluar rápidamente una gran cantidad de individuos (Hernández Aguado et al., 2011; Lewis, Sheringham, Kalim, & Crayford, 2008).

Tests de screening psicopatológico

Un instrumento psicométrico diseñado para funcionar como screening psicopatológico, además de todas las propiedades psicométricas habituales que se exigen en los tests (American Educational Research Association, American Psychological Association & National Council on Measurement in Education, 1999; Muñiz, Elosúa & Hambleton, 2013) deberá demostrar altas sensibilidad y especificidad. Es decir, capacidad para detectar mediante la determinación de un adecuado puntaje de corte el mayor porcentaje posible de casos –sensibilidad– y dejar por fuera a aquellos que no lo sean –especificidad– (Ahlborn, Alfredstone, Alfvén, Bennet, 2007; Lewis, Sheringham, Kalim & Crayford, 2008; MacMahon & Trichopoulos, 2001; Martínez Arias, 2005). Ello significa que debe lograr discriminar entre los grupos de riesgo –o casos– y no riesgo –no casos–, generando la menor cantidad de falsos positivos –sujetos identificados como casos pero que no lo son– y de falsos negativos posibles–sujetos que son identificados como no casos pero en realidad son casos– . Debido a que las proporciones de sensibilidad y especificidad del test son interdependientes y se relacionan con el grado de discrepancia real entre los grupos evaluados –característica sobre la que no puede intervenirse–, al momento de elegir, los instrumentos de screening otorgan mayor importancia a valores de corte en los que se logra una alta sensibilidad en busca de disminuir al máximo el porcentaje de falsos negativos.

Para ello, tal como señala Eaton et al. (2000), en el uso de herramientas de screening siempre se debe decidir un puntaje de corte que definirá cuáles son los casos. La estimación de los valores de corte debe ser específica para la población en estudio debido a que sufre variaciones significativas entre países y culturas (Goldberg, Oldehinkel, & Ormel, 1998; Van Hemert, Den Heijer, Vorstenboch & Bolk, 1995).

Los puntajes de corte pueden calcularse para cualquier medida que arroja el test. Sin embargo, si se tiene en cuenta que parte de la utilidad de un test de screening radica en la rapidez de su uso, los puntajes globales emergen como las medidas más informativas para identificar casos ya que refieren a todo el espectro de síntomas que el test evalúa. Tal es así que algunas investigaciones en las que se compara la eficacia en términos de sensibilidad y especificidad de los puntajes arrojados por las subescalas versus los puntajes globales concluyen que los globales tienen mayor potencial para discriminar correctamente casos de no casos (e.g. Endermann, 2005).

Para la selección de un puntaje de corte más apropiado generalmente se recurre al análisis de curvas ROC (Lewis et al., 2008). Es necesario un criterio externo –también denominado gold standard– que cuente con amplias evidencias sobre capacidad para discriminar entre dos grupos: el grupo criterio y el de contraste –en este caso, grupo en riesgo y grupo de comparación– (Hernández Aguado et al., 2011). Los criterios externos suelen ser puntuaciones generadas por herramientas de diagnóstico que no serían útiles en contextos de necesidad de cribado rápido, ya sea por su longitud, su dificultad en la administración o en su evaluación o su costo. Un ejemplo es el Inventario de Evaluación de la Personalidad para Adolescentes (PAI–A; Morey, 2007), una escala para diagnóstico de personalidad cuya administración e interpretación se presenta como inadecuada en ámbitos de detección, orientación, derivación y atención masivas. El PAI es un instrumento de amplio uso internacional que resulta atractivo debido a su ajuste a las últimas directrices diagnósticas (American Psychiatric Association, 2013; Hopwood et al., 2013), y cuya utilidad ha sido verificada tanto en el ámbito de investigación (Ho, Cheung & Cheung, 2008; Rios & Morey, 2013) como en el clínico (Morey & Meyer, 2014; Turner, 2014).

A pesar de su importancia, los recursos instrumentales de uso local para la valoración de riesgo psicológico son escasos y cuestionables. La sistematización nacional para la recolección de información epidemiológica de salud mental (Ministerio de Salud, 2013) se encuentra aún en desarrollo y actualmente incluye instrumentos tales como encuestas de criterio a ser completadas por un entrevistador –tarea ardua y dificultosa para el entrenamiento de evaluadores– o un test –Symptom Checklist–90–R (SCL–90–R; Casullo, 1998; Derogatis, 1983; Sánchez & Ledesma, 2009)– que cuenta como poca evidencia psicométrica obtenida en población local y que ha recibido críticas a nivel internacional (Bados, Balaguer & Coronas, 2005; Cyr, McKenna–Foley & Peacock, 1985; Hardt, Gerbershagen & Franke, 2000; Prinz et al., 2013; Sandín, Valiente, Chorot, Santed & Lostao, 2008; Vassend & Skrondal, 1999).

El Listado de Síntomas Breve (LSB–50; de Rivera & Abuín, 2012) se presenta como una herramienta de screening que, mediante la evaluación de síntomas y signos, resulta útil para la detección precoz de sintomatología psicológica. Cuenta con un indicador de riesgo para la identificación de casos que requieren de asistencia inmediata, tres índices generales de psicopatología –índice global de severidad, número de síntomas presentes, índice de intensidad de síntomas presentes¬–, dos escalas de validez –magnificación, minimización– y nueve escalas y subescalas de síntomas –psicorreactividad, hipersensibilidad, obsesión–compulsión, ansiedad, hostilidad, somatización, depresión, alteraciones del sueño, alteraciones del sueño ampliada–. Su administración es sumamente rápida –5 a 10 minutos–, puede realizarse de manera individual o colectiva, y su evaluación puede ser manual o informatizada. Este instrumento cuenta con propiedades psicométricas verificadas que dan cuenta de sus evidencias de validez y confiabilidad para su uso en población de adolescentes argentinos (de la Iglesia, Castro Solano & Fernández Liporace, 2016; de la Iglesia, Fernández Liporace & Castro Solano, 2015). A pesar de ello, aún no se ha informado qué valores de corte serían los más apropiados y cuáles son los resultados sobre sensibilidad y especificidad de acuerdo con tales puntos de corte.

En consideración de lo hasta aquí expuesto, los objetivos de este trabajo resultan ser: (1) establecer los valores de corte más adecuados para las puntuaciones compuestas del LSB-50 mediante el estudio de curvas ROC; (2) informar los valores de sensibilidad y especificidad para las puntuaciones compuestas del LSB-50 utilizando esos valores de corte; (3), determinar los valores predictivos positivo y negativo para las puntuaciones compuestas del LSB-50 asociados a esos valores de corte; y (4), estimar la prevalencia de psicopatología en adolescentes de Buenos Aires.

Método

Método

Los participantes fueron 1002 adolescentes de la Ciudad de Buenos Aires y el Conurbano con edades entre 12 y 18 años (M = 14.98; DE = 1.99). En la tabla 1 puede visualizarse la distribución de acuerdo a la edad. El 50.3% (n = 504) eran mujeres y el 49.7% restante, varones (n = 498). En relación con las características familiares, el 64% convivía con ambos padres, el 19.2% pertenecía a una familia monoparental, y un pequeño porcentaje informó tener a su padre (2.9%) o a su madre (0.7%) fallecidos. Además, el 65.1% de los adolescentes informó tener uno o dos hermanos, el 22.3% tres o más hermanos, y el 11.3% manifestó ser hijo único.

Tabla 1. Distribución de edades en la muestra total y por sexo

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Tabla1

Descargar esta tabla en una diapositiva de PowerPoint

 

_

Listado de Síntomas Breve – 50 (LSB-50; de Rivera & Abuín, 2012; de la Iglesia, Fernández Liporace, & Castro Solano, 2015; de la Iglesia, Castro Solano & Fernández Liporace, 2016). Esta escala esta compuesta por 50 ítems que evalúan diferentes síntomas psicológicos mediante siete escalas clínicas: (a) Hipersensibilidad (siete ítems), se refiere a la presencia de sensibilidad intra e interpersonal (e.g. “Me parece que otras personas me observan o hablan de mí.”); (b) Obsesión-Compulsión (siete ítems), que pretende abarcar la presencia de dudas, rituales y compulsiones (e.g. “Tengo que hacer las cosas muy despacio para estar seguro de que las hago bien.”); (c) Ansiedad (nueve ítems), indaga sobre síntomas de pánico, trastorno de ansiedad generalizada y fobias (e.g. “Siento miedo en la calle o en espacios abiertos.”); (d) Hostilidad (seis ítems), indaga sobre comportamientos de ira, enojo y resentimiento (e.g. “Tengo ganas de romper o destruir algo.”); (e) Somatizaciones (ocho ítems), evalúa síntomas somáticos vinculados a problemas psicológicos o médicos (e.g. “Mi corazón palpita o va muy deprisa.”); (f) Depresión (diez ítems), examina síntomas tales como falta de energía, sentimientos de culpa, tristeza y desesperanza (e.g. “Me siento triste.”); y (g) Alteraciones del sueño (tres ítems), interroga sobre posibles dificultades en el dormir desde una perspectiva de bienestar (e.g. “Me despierto de madrugada.”). Los ítems se responden mediante una escala likert de cinco posiciones que varía entre 0 = nada a 4 = mucho. El cálculo de las escalas clínicas resulta del promedio de las respuestas obtenidas a los ítems que las componen. También se pueden calcular tres índices globales y un índice de riesgo: el Índice Global de Severidad, que es una medida global de malestar psicológico que combina el número de síntomas con su intensidad –resulta de dividir la suma total de ítems por la cantidad de opciones de respuesta–; el indicador de Número de Síntomas Presentes, que resulta de sumar la cantidad de ítems con respuesta distinta de cero (síntoma presente); el Índice de Intensidad de Síntomas Presentes, que es una medida más pura de intensidad ya que considera sólo aquellos con respuesta distinta de cero –resulta de dividir la cantidad de síntomas presentes por la cantidad de opciones de respuesta–; y el Índice de Riesgo Psicopatológico que evalúa la presencia de síntomas generalmente presentes en población clínica –su cálculo consiste en el promedio de esos ítems–. Esta escala fue adaptada localmente en un estudio que incluyó el estudio de la dimensionalidad del listado mediante análisis factoriales confirmatorios con pruebas de validación cruzada e invarianza factorial. El instrumento cuenta además con evidencias de validez externa mediante la correlación de un instrumento de diagnóstico de psicopatología, así como también se analizó su consistencia interna (de la Iglesia et al., 2015, 2016)

_

Los datos fueron recolectados por estudiantes avanzados de la licenciatura en psicología de la Universidad de Buenos Aires. Recibieron un entrenamiento para la recolección de los datos y su trabajo fue supervisado por investigadores experimentados. El muestreo fue no probabilístico ya que los evaluadores utilizaron sus redes de contacto personales aunque se buscó replicar las cuotas correspondientes a los datos poblacionales en términos de edad y sexo de los participantes. Todos los evaluados fueron voluntarios y, como requisito, se solicitó a sus padres que firmaran un consentimiento informado. El protocolo había sido evaluado por un comité de ética que dio el aval para su utilización.

Para calcular las curvas ROC se utilizaron como gold standard los valores obtenidos mediante un instrumento de diagnóstico de psicopatología que se administró de manera conjunta con el LSB-50: el Inventario de Evaluación de la Personalidad versión adolescentes –Personality Assessment Inventory– (PAI-A; Cardenal et al., 2012; Stover et al., 2017; Morey, 2008). Se calcularon los puntajes T para las escalas clínicas del PAI-A (Quejas Somáticas, Ansiedad, Trastornos relacionados con la ansiedad, Depresión, Manía, Paranoia, Esquizofrenia, Rasgos límites, Rasgos Antisociales, Problemas con el Alcohol, Problemas con las Drogas) y se consideró como sujeto con psicopatología presente a quien en cualquiera de aquellas hubiera obtenido un puntaje T mayor a 70 –valor que fue indicado por los autores del test como infrecuente en población general y que, probablemente, es indicador de una problemática clínicamente significativa (Cardenal et al., 2012). Los porcentajes de sujetos con valores de T mayores a 70 corroboraron su infrecuencia: Quejas Somáticas (5.2%, n = 52), Ansiedad (4.8%, n = 48), Trastornos relacionados con la ansiedad (4%, n = 40), Depresión (4.2%, n = 42), Manía (2.7%, n = 27), Paranoia (4.7%, n = 47), Esquizofrenia (3.7%, n = 37), Rasgos límites (4.1%, n = 41), Rasgos Antisociales (4.1%, n = 41), Problemas con el Alcohol (5.4%, n = 54), Problemas con las Drogas (5.7%, n = 57). Las relaciones entre ambos instrumentos ya han sido establecidas en estudios precedentes (de la Iglesia et al., 206). Con esos datos se procedió a seleccionar puntajes de corte y se estimaron los valores de sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo del LSB-50, así como la prevalencia de casos con psicopatología.

Resultados

Resultados

En la figura 1 se pueden visualizar las curvas ROC correspondientes a todas las escalas clínicas e índices globales del LSB-50. Los valores correspondientes al área bajo la curva, su significación estadística e intervalo de confianza para cada una de ellas se presentan en la tabla 2.

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Figura1

Descargar esta tabla en una diapositiva de PowerPoint

Figura 1. Curvas ROC 

Tabla 2. Áreas bajo la curva de las curvas ROC

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Tabla2

Descargar esta tabla en una diapositiva de PowerPoint

Con esta información se determinaron los puntajes de corte más adecuados para el LSB-50. Para ello se consideraron tanto los puntajes de corte óptimos determinados por la diferencia máxima entre el valor de sensibilidad y el de 1-especificidad –o la diferencia mínima si se considera la especificidad–, y el valor recomendado para un test de screening en el que el nivel de sensibilidad debe tener preponderancia por sobre el nivel de especificidad (Ahlborn et al., 2007; Hajian­Tilaki, 2013; Lewis et al., 2008; MacMahon & Trichopoulos, 2001; Martínez Arias, 2005). En la tabla 3 se presentan los valores de corte de acuerdo con el criterio de corte óptimo y los valores de corte más cercanos a un nivel de sensibilidad de .80 –más adecuados para el uso de instrumentos de screening en el ámbito de aplicación–.

Tabla 3. Puntuación de corte

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Tabla3

Descargar esta tabla en una diapositiva de PowerPoint

Con estos datos se estimaron los valores predictivos positivo y negativo para cada una de las escalas e índices para ambos puntos de corte propuestos. Los resultados se presentan en la tabla 4.

Tabla 4. Valores predictivos positivos y negativos

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Tabla4

Descargar esta tabla en una diapositiva de PowerPoint

Finalmente, utilizando ambos puntos de corte se calculó la prevalencia de casos positivos para cada una de las escalas e índices –ver tabla 5–.

Tabla 5. Prevalencia de casos positivos

PSIENCIA Revista Latinoamericana de Ciencia Psicologica 9 3 delaIglesia et al Tabla5

Descargar esta tabla en una diapositiva de PowerPoint

{/slider}

Discusión

Discusión

El objetivo de este trabajo radicaba en analizar el poder discriminativo de los valores arrojados por el LSB-50 mediante el estudio de curvas ROC, y estimar niveles de sensibilidad, especificidad, valor predictivo positivo y negativo según puntuaciones de corte óptimas y puntuaciones de corte más adecuadas para fines de screening.

En relación al funcionamiento general del test para detectar casos, se puede observar que los valores del área bajo la curva tanto para las subescalas como para los puntajes globales resultaron apropiados ya que la mayoría superaba el valor de .70 (Akobeng, 2006; Safari, Baratloo, Elfil, Negida, 2016) y todos fueron estadísticamente significativos. Analizando con mayor detalle se replica aquello hallado por Endermann (2005) en relación con un mejor poder discriminativo de las escalas globales por sobre las subescalas. Más específicamente, el Índice Global de Severidad y el Índice de Intensidad de Síntomas Presentes exhibieron un funcionamiento superior. Entre las subescalas, Depresión fue la que mostró mejor rendimiento en la detección de casos.

Pasando ahora a los puntajes de corte puede observase la diferencia esperada entre los puntajes de corte óptimos de acuerdo con criterios teóricos y los puntajes recomendados cuando el fin de la evaluación es la detección de sujetos en riesgo en un screening psicopatológico en el ámbito de aplicación. En el primer caso, la relación entre el valor de sensibilidad y especificidad resultó ser la mínima, los puntajes de corte fueron ser más bajos y el nivel de sensibilidad raramente superó el umbral de .70. En los puntajes de corte recomendados para un screening, sin embargo, la selección de los puntajes de corte fue guiada por el valor de sensibilidad que, se buscó, fuera aproximado a .80. Esta decisión tuvo el costo de una menor especificidad y se ve reflejada en puntajes de corte superiores o más “permisivos” en todos los casos. Se evidenció una distancia mayor entre el puntaje teóricamente óptimo y el puntaje sugerido para uso como screening en las subescalas de Ansiedad y Alteraciones del Sueño. En la escala de ansiedad esto puede deberse a que la distancia en el contenido de los ítems de la subescala del LSB-50 y su par diagnóstico sea superior en comparación con el resto de las escalas. De hecho, la subescala de ansiedad del LSB-50 valora mayoritariamente síntomas de miedo, y su par diagnóstica abarca tanto síntomas cognitivos como fisiológicos y emocionales. En la escala de Alteraciones del Sueño es probable que la gran distancia se deba a los pocos ítems que conforman la escala lo que implica una menor variabilidad en los datos y, por ende, un mayor salto entre opciones de respuesta.

En cuanto a los valores predictivos positivos (VPP) y negativos (VPN) se puede observar que, en todos los casos, los negativos superan con creces a los positivos. Es decir que en el caso de que el resultado sea negativo la probabilidad de que el sujeto no sufra una patología mental es alta. Por el contrario, en el caso de que el resultado en el test sea positivo la probabilidad de que el sujeto sea efectivamente un caso es moderada. Sin embargo, debe contemplarse que estos valores están íntimamente ligados a la prevalencia de casos ya que cuanto más baja ella sea se evidenciará más marcadamente un incremento en los VPN y un decrecimiento en los VPP. Es por ello que, si se consideran los valores de prevalencia obtenidos en los análisis inmediatamente posteriores, no resulta llamativo el incremento de los valores predictivos negativos por sobre los positivos y no debería darse demasiada importancia a tales cálculos al momento de sopesar la calidad del test.

Finalmente, para interpretar los niveles de prevalencia poblacional parece más apropiado utilizar los puntajes de corte teóricamente óptimos. El Índice de Riesgo Psicopatológico indica un 25.84% de casos, valor que se aproxima a aquel estimado por la Dirección Nacional de Salud Mental y Adicciones (Ministerio de Salud, 2010). Lo mismo ocurre con el Índice Global de Severidad que informa una prevalencia de 27.74% de adolescentes con patologías mentales. En todos los restantes datos la estimación del 20% se ve claramente superada llegando hasta valores llamativos como el 54.29% para Números de Síntomas Presentes y 49.90% para Hostilidad. Este último dato constituye una alerta que debería estudiarse con mayor profundidad ya que el señalado incremento en los niveles de violencia en la sociedad argentina pareciera tener un alto impacto en la población adolescente (Contini, 2015; Contini, Cohen Imach, Coronel & Mejail, 2012; Lado, 2014). En relación con este aspecto se puede concluir que los valores de prevalencia psicopatológica en población adolescente resultan alarmantes y debieran destinarse recursos a la prevención y atención de casos. Más allá de ello deben considerarse las limitaciones sobre el cálculo que se describen a continuación.

Deben señalarse algunas limitaciones del trabajo aquí presentado. En principio la muestra ha sido no probabilística por lo que la generalización de los datos no está garantizada y los porcentajes de prevalencia indicados pueden no representar adecuadamente los valores a nivel nacional ya que los adolescentes evaluados no representan a toda la argentina debido a que son residentes de la Ciudad de Buenos Aires y el Gran Buenos Aires. Sumado a ello, la encuesta sociodemográfica utilizada no solicitaba información desagregada más específica acerca del lugar de residencia y tampoco indagaba sobre el nivel socioeconómico y, por ende, esas variables no pudieron ser descriptas. Considerando esto, aunque se tomaron las precauciones necesarias para seleccionar los puntos de corte más apropiados para una herramienta de screening, se debe tener cautela en la utilización de los valores aquí informados.

En cuanto al uso del LSB-50 como medida de psicopatología, como recomendación para el usuario del LSB-50 se sugiere el uso de las puntuaciones de corte óptimas para estimaciones de prevalencia u otras investigaciones en las que se requiera el dato de presencia o ausencia de psicopatología. Y para el ámbito de aplicación, por el contrario, se recomienda el uso de los puntajes de corte recomendados para screening para no incurrir en subdiagnósticos. El LSB-50 puede ser útil para una detección adecuada de casos cuando los recursos y los tiempos de evaluación sean escasos pudiéndose, a posteriori, destinar los insumos vinculados a los diagnósticos más extensos y precisos a una menor cantidad de casos y no a todos los consultantes que concurren a los servicios de salud mental. Futuras investigaciones podrían utilizar esta herramienta de screening para examinar las relaciones entre la sintomatología psicológica de los adolescentes de hoy en día y otras variables psicológicas y sociodemográficas de interés.

Referencias

Referencias

  • Ahlborn, A., Alfredstone, L., Alfvén, T. & Bennet, A. (2007). Fundamentos de epidemiología. Madrid: Siglo XXI
  • Aillon, J.L., Ndetei, D.M., Khasakhala, L., Ngari, W.N., Achola, H.O., Akinyi, S., Ribero, S. (2014). Prevalence, types and co- morbidity of mental disorders in a Kenyan primary health centre. Psychiatry and Psychiatric Epidemiology, 49, 1257-1268. doi: 10.1007/s00127-013-0755-2
  • Akobeng, A. K. (2006). Understanding diagnostic tests 3: receiver operating characteristic curves. Acta Pediátrica, 96, 644-647.
  • Akihiro, N., Mayumi, Y., Hirofumi, U., Takahiro, W., Kenshin, M., Osamu, T., Ryosuke, U., & Toshiki, S. (2015). Prevalence of mental illness, intellectual disability, and developmental disability among homeless people in Nagoya, Japan: A case series study. Psychiatry and Clinical Neurosciences, 69, 534-542. doi: 10.1111/pcn.12265
  • American Educational Research Association, American Psychological Association & National Council on Measurement in Education (1999). Standards for educational and psychological testing. Washington: AERA
  • American Psychiatric Association (2013). Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition. Washington DC: American Psychiatric Association.
  • Angold, A., Messer, S. C., Stangl, D., Farmer, E. M. Z., Costello, E. J. & Burns, B. J. (1998). Perceived parental burden and service use for child and adolescent psychiatric disorders. American Journal of Public Health, 88, 75-80.
  • Bados, A., Balaguer, G. & Coronas, M. (2005). ¿Qué mide realmente el SCL 90 R?: Estructura factorial en una muestra mixta de universitarios y pacientes. Psicología Conductual Revista Internacional de Psicología Clínica de la Salud, 13 , 181-196.
  • Briggs, S. (2009). Risks and opportunities in adolescence: Understanding adolescent mental health difficulties. Journal of Social Work Practice, 23, 49-64. doi:10.1080/02650530902723316
  • Caparrós Caparrós, B., Villar Hoz, E., Juan Ferrer, J., & Viñas Poch, F. (2007). Symptom Check-List-90-R: Fiabilidad, datos normativos y estructura factorial en estudiantes universitarios. International Journal of Clinical and Health Psychology, 7, 781-794.
  • Cardenal, V., Ortiz Tallo, M., & Santamaría, P. (2012). PAI-A. Inventario de evaluación de la personalidad para adolescentes. Manual de aplicación -Versión experimental. Madrid: TEA Ediciones.
  • Casullo, M. M. (1983). Prevalencia de síntomas psiquiátricos en la ciudad de Buenos Aires y conurbano. Documenta Laboris, 4. Programa de Investigaciones sobre Epidemiología Psiquiátrica, CONICET
  • Casullo, M. M. (1998). Adolescentes en riesgo. Buenos Aires: Paidós.
  • Casullo, M. M. (2004). Síntomas psicopatológicos en adultos urbanos. Psicología y Ciencia Social, 6, 49-57.
  • Chadda, R. K. (2015). Common mental disorders in India. In S. Malhotra, & S. Chakrabarti (Eds.) Developments in psychiatry in India (pp. 77-87). New Delhi: Springer India. doi: 10.1007/ 978-81-322-1674-2_6
  • Coleman, J. C. & Hendry, L. B. (2003). Psicología de la adolescencia. Madrid: Ediciones Morata.
  • Contini, E. N. (2015). Agresividad y habilidades sociales en la adolescencia. Una aproximación conceptual. Psicodebate, 15, 31-54
  • Contini, E. N., Cohen Imach, S., Coronel, C. P. & Mejail, S. (2012). Agresividad y retraimiento en adolescentes. Ciencias Psicológicas, 6, 17-28.
  • Cyr, J. J., McKenna-Foley, J. M. & Peacock, E. (1985). Factor structure of the SCL-90-R: Is there one? Journal of Personality Assessment, 49, 571-578. doi:10.1207/s15327752jpa4906_2
  • de la Iglesia, G., Castro Solano, A. & Fernández Liporace, M. (2016). Evidence of validity of the LSB-50: cross-validation, factorial invariance and external criterion analysis. Ciencias Psicológicas, 10, 63-73.
  • de la Iglesia, G., Fernández Liporace, M. & Castro Solano, A. (2015). Psychometric study of the main clinical scales of the Listado de Síntomas Breve (LSB-50) -Short Checklist of Symptoms- in Argentinean adolescents. Testing, Psychometrics, Methodology in Applied Psychology, 22, 383-399.
  • de Rivera, L., & Abuín, M. L. (2012). LSB-50 Listado de Síntomas Breve: Manual. España: TEA Ediciones.
  • de Souza Vivan, A., Rodrigues, L., Wendt, G., Giaretton Bicca, M., Tusi Braga, D. & Volpato Cordioli, A. (2014). Obsessive-compulsive symptoms and obsessive-compulsive disorder in adolescents: a population-based study. Revista Brasileira de Psiquiatría, 36, 111–118.
  • Dehue, F., Bolman, C., Völlink, T. & Pouwelse, M. (2012). Coping With Bullying at Work and Health Related Problems. International Journal of Stress Management, 19, 175–197.
  • Demyttenaere, K., Bruffaerts, R., Posada-Villa, J., Gasquet, I., Kovess, V., Lepine, J.P.,..., WHO World Mental Health Survey Consortium (2004). Prevalence, severity, and unmet need for treatment of mental disorders in the World Health Organization World Mental Health Surveys. Journal of the American Medical Association, 291, 2581-2590.
  • Derogatis, L. R. (1983). SCL-90-R: Administration, scoring, and procedures manual II. Baltimore, MD: Clinical Psychometric Research.
  • Di Marco, G. (1981). Prevalencia de síntomas psiquiátricos en la ciudad de Buenos Aires y conurbano; variables sociológicos y síntomas psiquiátricos. Documenta Laboris, 6. Programa de Investigaciones sobre Epidemiología Psiquiátrica, CONICET.
  • Eaton, W.W., Neufeld, K., Chen, L., & Cai, G. (2000). A comparison of self-report and clinical diagnostic interviews for depression: Diagnostic interview schedule and schedules for clinical assessment in neuropsychiatry in the Baltimore epidemiologic catchment area follow-up. Archives of General Psychiatry, 57(3), 217-222. doi: 10.1001/archpsyc.57.3.217
  • Ellis, B. J., Del Giudice, M., Dishion, T. J., Figueredo, A. J., Gray, P., Griskevicius, V., ... Wilson, D. S. (2012). The evolutionary basis of risky adolescent behavior: Implications for science, policy, and practice. Developmental Psychology, 48, 598-623. doi:10.1037/a0026220
  • Endermann, M. (2005). The Brief Symptom Inventory (BSI) as a screening tool for psychological disorders in patients with epilepsy and mild intellectual disabilities in residential care. Epilepsy & Behavior, 7, 85–94.
  • Goldberg, D. & Huxley, P. (1992). Common mental disorders: A biosocial model. London: Tavistock/Routledge
  • Goldberg, D. P., Oldehinkel, T. & Ormel, J. (1998). Why GHQ threshold varies from one place to another? Psychological Medicine, 28(4), 915-921. doi: 10.1017/S0033291798006874
  • González de Rivera, J. L., de las Cuevas, C., Gracia Marco, R., Henry Benítez, M., Rodríguez Pulido, F., & Monterrey, A.L. (1999). Age, sex, and marital status differences in minor psychiatric morbidity. European Journal of Psychiatry, 5,166-176.
  • Graham, P. (2004). The end of adolescence. New York, NY: Oxford University Press.
  • Hardt, J., Gerbershagen, H. U. & Franke, P. (2000). The symptom checklist, SCL-90-R: Its use and characteristics in chronic pain patients. European Journal of Pain, 4, 137-148. doi:10.1053/eujp.2000.0162
  • Helgeland, M. I., Kjelsberg, E. & Torgersen, S. (2005). Continuities between emotional and disruptive behavior disorders in adolescence and personality disorders in adulthood. The American Journal of Psychiatry, 162, 1941-1947.
  • Hernández Aguado, I., Gilde Miguel, A., Delgado Rodriguez, M., Bolúmar Montrull, F., Benavides, F. G., Porta Serra, M., Álvarez–Dardet Díaz, C., Vioque López, J. & Lumbrera Lacarra, B. (2011). Manual de Epidemiología y Salud Pública para grados en ciencias de la Salud. Madrid: Médica Panamericana.
  • Herrera Santi, P. (1999). Principales factores de riesgo psicológicos y sociales en el adolescente. Revista Cubana de Pediatría, 71, 39–42.
  • Ho, M. Y., Cheung, F. M., & Cheung, S. F. (2008). Personality and life events as predictors of adolescents' life satisfaction: Do life events mediate the link between personality and life satisfaction? Social Indicators Research, 89(3), 457-471. doi: 10.1007/s11205-008-9243-6
  • Hopwood, C. J., Wright, A. G. C., Krueger, R. F., Schade, N., Markon, K. E., & Morey, L. C. (2013). DSM-5 pathological personality traits and the Personality Assessment Inventory. Assessment, 20, 269–285
  • Jessor, R. (1987). Problem-behavior theory, psychosocial development, and adolescent problem drinking. British Journal of Addiction, 82, 331-342. doi:10.1111/j.1360-0443.1987.tb01490.x
  • Jessor, R. (1991). Risk behavior in adolescence: A psychological framework for understanding and action. Journal of Adolescence Health 12, 597–605.
  • Kessler, R. C., Berglund, P., Demler, O., Jin, R., Merikangas, K. R. & Walters, E. E. (2005). Lifetime prevalence and age-of-onset distributions of DSM-IV disorders in the national comorbidity survey replication. Archives of General Psychiatry, 62, 593- 602. doi: 10.1001/archpsyc.62.6.593
  • Klimas, J., Neary, A., McNicholas, C., Meagher, D. & Cullen, W. (2014). The prevalence of common mental and substance use disorders in general practice: A literature review and discussion paper. Mental Health and Substance Use, 7, 497-508. doi: 10.1080/17523281.2014.939221
  • Kofler, M. J., McCart, M. R., Zajac, K., Ruggiero, K. J., Saunders, B. E. & Kilpatrick, D. G. (2011). Depression and delinquency covariation in an accelerated longitudinal sample of adolescents. Journal of Consulting and Clinical Psychology, 79, 458–469.
  • Kohn, R., Levav, I., Caldas de Almeida, J. M., Vicente, B., Andrade, L., Caraveo-Anduaga, J. J., ... Saraceno, B. (2005). Los trastornos mentales en América Latina y el Caribe: Asunto prioritario para la salud pública. Revista Panamericana de Salud Pública, 18, 229-240.
  • Lado, M. I. (2014). Violencia: Un grave problema de la actualidad. Buenos Aires, Argentina: Universidad de Buenos Aires. Recuperado de ttp://www.uba.ar/extension/salud/difusion/nota9.php?id=9
  • Lewis, G., Sheringham, J., Kalim, K. & Crayford, T. (2008). Mastering Public Health: A postgraduate guide to examinations and revalidation: A Guide to Examinations and Revalidation. Londres: Royal Society of Medicine Press.
  • MacMahon, B. & Trichopoulos, D. (2001). Epidemiología. Madrid: Marban Libros.
  • Martínez Arias, R. (2005 ). Psicometría: Teoría de los test psicológicos y educativos. Madrid: Síntesis.
  • Ministerio de Salud (2010). Estimación de la población afectada de 15 años y más por trastornos mentales y adicciones. Recuperado de http://www.inclusionmental.com.ar/contents/biblioteca/1329413814_–estimacion–de–la–poblacion–afectada–por–salud–mental–arg.pdf
  • Ministerio de Salud (2013). Experiencias territoriales de Sistematización de Información en Salud Mental y Adicciones. Recuperado de http://www.msal.gov.ar/saludmental/images/stories/info–equipos/pdf/2013–03–22_experiencias–territoriales–sistematizacion–informacion.pdf
  • Morey, L. C. (2008). Personality Assessment Inventory - Adolescent (PAI-A). Florida: Psychological Assessment Resources Inc.
  • Morey, L. C., & Meyer, J. K. (2014). Conceptualizing youth borderline personality disorder within a PAI Framework. In C. Sharp (Ed.) Handbook of Borderline Personality Disorder in Children and Adolescents (pp. 49-65). Springer: Nueva York.
  • Muñiz, J., Elosúa, P. & Hambleton, R. K. (2013). Directrices para la traducción y adaptación de los tests: segunda edición. Psicothema, 25, 151–157.
  • Organización Panamericana de la Salud (1999). Manual sobre enfoque de riesgo en la atención materno infantil. Washington: OPS.
  • Pagés Larraya, F., Casullo, M. M., & Paso Viola, F. (1982). Prevalencia de la Patología Mental en la megalópolis de Buenos Aires. Documenta Laboris, 32. Programa de Investigaciones sobre Epidemiología Psiquiátrica, CONICET.
  • Pan American Health Organization (1978). Declaración de Alma–Ata. Conferencia Internacional sobre Atención Primaria de Salud. Recuperado de http://www1.paho.org/Spanish/dd/pin/alma–ata_declaracion.htm
  • Patel, V. & Stein, D. J. (2015). Common mental disorders in sub- Saharan Africa: The triad of depression, anxiety and somati- zation. In E. Akyeampong, A.G. Hill, & A. Kleinman (Eds.). The culture of mental illness and psychiatric practice in Africa (pp. 50-72). Bloomington, IN: Indiana University Press.
  • Polanczyk, G. V., Salum, G. A., Sugaya, L. S., Caye, A., & Rohde, L. A. (2015). Annual Research Review: A meta-analysis of the worldwide prevalence of mental disorders in children and adolescents. Journal of Child Psychology and Psychiatry, 56, 345-365.
  • Prinz, U., Nutzinger, D. O., Schulz, H., Petermann, F., Braukhaus, C. & Andreas, S. (2013). Comparative psychometric analyses of the SCL-90-R and its short versions in patients with affective disorders. BMC Psychiatry, 13, 104. doi: 10.1186/1471-244X-13-104
  • Quiroga, C. V., Janosz, M., Bisset, S. & Morin, A. J. S. (2013). Early Adolescent Depression Symptoms and School Dropout: Mediating Processes Involving Self–Reported Academic Competence and Achievement. Journal of Educational Psychology, 105, 552–560.
  • Rios, J., y Morey, L. C. (2013). Detecting feigned ADHD in later adolescence: An examination of three PAI-A negative distortion indicators. Journal of Personality Assessment, 95, 594-599. Doi 10.1080/00223891.2013.821071
  • Safari, S., Baratloo, A., Elfil, M. & Negida, A. (2016). Evidence Based Emergency Medicine; Part 5 Receiver Operating Curve and Area under the Curve. Emergency, 4, 111-113.
  • Sánchez, R. O. & Ledesma, R.D. (2009). Análisis Psicométrico del Inventario de Síntomas Revisado (SCL-90-R) en población clínica. Revista Argentina de Clínica Psicológica, 18, 265-274.
  • Sandín, B., Valiente, R. M., Chorot, P., Santed M. A., & Lostao, L. (2008). SA-45: forma abreviada del SCL-90. Psicothema, 20, 290-296.
  • Stepp, S. D., Olino, T. M., Klein, D. N., Seely, J. R., & Lewinsohn, P. M. (2013). Unique influences of adolescent antecedents on adult borderline personality disorder features. Personality Disorders: Theory, Research, and Treatment, 4, 223-229.
  • Stover, J. B., de la Iglesia, G., Castro Solano, A., & Fernández Liporace, M. (2017). Inventario de Evaluación de la Personalidad para adolescentes: Consistencia interna y dimensionalidad en adolescentes de Buenos Aires . Manuscrito enviado para su evaluación
  • Stylianidis, S., Pantelidou, S., Chondros, P., Roelandt, J.L., & Barbato, A. (2014). Prevalence of mental disorders in a Greek island. Psychiatriki, 25, 19-26.
  • The ESEMeD/MHEDEA 2000 Investigators, Alonso, J., Angermeyer, M.C., Bernert, S., Bruffaerts, R., Brugha, T.S., ..., Vollebergh, W.A.M. (2004). Prevalence of mental disorders in Europe: results from the European Study of the Epidemiology of Mental Disorders (ESEMeD) project. Acta Psychiatrica Scandinavica, 109, 21-27. doi: 10.1111/j.1600-0047. 2004.00327.x
  • Turner, E. A. (2014) Use of the PAI-A in the Diagnosis and Treatment of Psychiatric Disorders: A Clinical Application. Annals of Psychiatry and Mental Health, 2, 1-5.
  • Van Hemert, A. M., Den Heijer, M., Vorstenboch, M. & Bolk, J. H. (1995). Detecting psychiatric disorders in medical practice using the General Health Questionnaire: why do cut-off scores vary? Psychological Medicine, 25, 165-170. doi: 10.1017/S003329170002818X
  • Vassend, O., & Skrondal, A. (1999). The problem of structural indeterminacy in multidimensional symptom report instruments. The case of SCL-90-R. Behaviour Research and Therapy, 37(7), 685-701. doi: 10.1016/S0005-7967(98)00182-X
  • Vrouva, I., Fonagy, P., Fearon, P. R. M., & Roussow, T. (2010). The Risk-Taking and Self-Harm Inven- tory for adolescents: Development and psychometric evaluation. Psychological Assessment, 22, 852-865. doi:10.1037/a0020583
  • WHO International Consortium in Psychiatric Epidemiology (2000). Cross-national comparisons of the prevalences and correlates of mental disorders. Bulletin of the World Health Organization, 78, 413-426.

 

Banner sidebar

■ RIGUROSIDAD

Cada artículo es evaluado por cuatro expertos, en teoría, método y psicometría

■ ALCANCE

Acceso abierto permanente a toda la colección de la revista

■ DISPONIBILIDAD

La decisión editorial inicial se emite en menos de 90 días

■ IMPACTO

La carga en bases de datos se potencia con difusión en redes sociales

Buscar en la revista