- (2015) Volume 11, Issue 3
1Estudiante último año Microbiología y Bioanálisis, Universidad de Antioquia. Grupo de investigación Salud y Sostenibilidad, Escuela de Microbiología, Colombia
2Microbiólogo y Bioanalista, MSc Epidemiología. Docente-Investigador Facultad de Medicina, Universidad Cooperativa de Colombia. Escuela de Microbiología, Universidad de Antioquia U de A, Calle 70 No. 52-21, Medellín, Colombia
Received date: June 12, 2015, Accepted date: July 06, 2015, Published date: July 14, 2015
La información disponible sobre el proceso de construcción, adaptación y validación de escalas en salud es escasa, dispersa y en algunos casos incompleta; por ello el objetivo de este texto es caracterizar los aspectos conceptuales, metodológicos y estadísticos relacionados la construcción y validación de escalas de medición en salud. Se realizó una búsqueda exhaustiva de la literatura referente a la validación de escalas de medición en salud, en google Scholar, Scielo, Science Direct y PubMed/Medline, con aplicación de criterios de inclusión y exclusión. Como resultados centrales se describen las etapas traducción y adaptación de una escala y se presentan las propiedades y estadísticos utilizados para garantizar la reproducibilidad, la validez, la sensibilidad al cambio y la utilidad de las escalas de medición. En la reproducibilidad se describen la fiabilidad, la consistencia interna, el poder discriminante, la fiabilidad test-retest y la fiabilidad inter-observador; mientras que en la validez se incluyen la de apariencia, contenido, criterio (concurrente y predictiva), convergente – divergente y de constructo. Esta revisión representa una síntesis de la información que se encuentra en la literatura sobre la construcción y evaluación de escalas en salud.
Validation studies; Scales; Psychometrics; Reproducibility of results; Validity of the tests.
Tradicionalmente la medición del estado de salud de los individuos se ha hecho desde la perspectiva biomédica del proceso salud-enfermedad, mediante el uso de marcadores biológicos denominados desenlaces duros u objetivos; sin embargo, teniendo en cuenta la definición de salud de la Organización Mundial de la Salud (OMS) como un estado de completo bienestar físico, mental y social, y no solamente la ausencia de enfermedades, tal abordaje es insuficiente, dado que obsta la multi-dimensionalidad de la salud-enfermedad [1].
El énfasis en la dimensión biofísica se presenta, entre muchas razones, por el hecho de considerar las mediciones no biológicas como indicadores blandos o subjetivos; sin embargo, la perspectiva biomédica resulta limitada, al no incorporar la percepción de salud y calidad de vida propias del paciente, en coherencia con su contexto social, cultural y ambiental [2].
Precisamente, en las áreas de la salud cada vez es más necesario disponer de instrumentos de medida que permitan evaluar atributos subjetivos que integran constructos y dimensiones más complejas, como medio para orientar acciones de atención, promoción o protección de la salud [3]. Tal es el caso de las escalas de medición en salud, diseñadas para evaluar dimensiones físicas, psicológicas o sociales que no pueden observarse ni medirse directamente; cuya importancia radica en que permiten recoger de forma válida y confiable la percepción (subjetiva) del sujeto sobre dichas dimensiones [3-6].
En este sentido, existe un gran número de escalas, tanto genéricas como específicas, que se han desarrollado principalmente en dos campos relacionados: la psicometría y la clinimetría; las cuales son utilizadas ampliamente tanto en la investigación en salud como en la práctica clínica [7]. Por ejemplo, para medir la calidad de vida como fenómeno multidimensional, se han diseñado instrumentos genéricos como el WHOQOL-100, WHOQOL-BREF, MOSSF-36, Duke Health Profile y EUROQOL, empleados en poblaciones sanas y enfermas, con el fin de comparar diferentes entidades clínicas y éstas frente a la población general. Por otro lado, los instrumentos específicos, caracterizados por su sensibilidad clínica, son utilizados para evaluar síntomas, funciones o enfermedades específicas, como son las escalas para personas con Parkinson (PDQ-39), VIH/Sida (MOSHIV), múltiples tipos de cáncer (PROSQOLI), entre otras enfermedades [7-9].
Adicional a lo anterior, se dispone de diversas herramientas psicométricas e instrumentos clinimétricos que permiten evaluar indicadores no biológicos o directamente observables como las habilidades intelectuales, los rasgos de personalidad, la inteligencia, la depresión [3-6], condiciones clínicas como el dolor y la función física en reumatología [10], entre otras.
A pesar de ello, y la elevada cantidad de artículos científicos que han utilizado dichos instrumentos en el ámbito mundial, lo referente al proceso de construcción y validación de escalas de medición en salud sigue presentando limitaciones relacionadas con la falta de claridad en algunas comunidades académicas sobre los criterios que deben evaluarse, la ausencia de consenso sobre el método de construcción y validación de las escalas, y la diversidad de opciones metodológicas con que se llevan a cabo estos procesos [2,3,5,11]. En este orden de ideas, se considera que la ausencia de equivalencia entre las diferentes escalas, derivada de un proceso de validación deficiente, reduce las posibilidad de hacer comparaciones entre poblaciones de diferentes países, culturas e idiomas, impide el intercambio de información en la comunidad científica e induce al diseño de políticas públicas y de salud inadecuadas [11,12].
En este contexto se han desarrollado varias revisiones de tema relacionadas con la validación de escalas en salud como las de Sánchez y Lamprera [2-5], las cuales presentan como limitación el centrarse en asuntos conceptuales, marginar algunas consideraciones metodológicas u operativas y exponer conceptualización poco claras relacionadas con algunas criterios de confiabilidad y validez como el poder discriminante y la validez de contenido y constructo. Teniendo en cuenta que la información de la que se dispone actualmente sobre el proceso de validación de escalas es escasa y dispersa, y en muchos casos confusa e incompleta, se realizó una revisión de la literatura con el objetivo de caracterizar los aspectos conceptuales, metodológicos y estadísticos relacionados la construcción y validación de escalas de medición en salud.
Revisión de la literatura.
Se realizó una búsqueda exhaustiva de la literatura para localizar la mayor cantidad de información disponible sobre el proceso de validación de escalas de medición en salud. La búsqueda de los artículos se llevó a cabo principalmente en google scholar, con el fin abarcar diversidad de publicaciones referentes al tema e incluso de literatura gris, lo que permitió al mismo tiempo recuperar otras citas sobre artículos relacionados. Así mismo, esta búsqueda fue realizada en las bases de datos Scielo, Science Direct y PubMed/Medline.
Se tomaron como criterios de búsqueda: “validación”, “escala”, “cuestionario”, “instrumento” “estudios de validación”, “salud”, “medición en salud”, “psicometría”, “confiabilidad” y “validez”.
Los criterios de inclusión para la sección de los artículos fue que éstos estuvieran publicados en español o inglés, que incluyeran las palabras clave o sus combinaciones en el título o resumen, que en lo posible su período de publicación no fuera mayor a 10 años, que trataran los aspectos metodológicos y/o estadísticos del proceso de validación de escalas y que se relacionaran con la medición en salud. Asimismo, se excluyeron los artículos sobre validación de una escala específica y los que no hacían un abordaje teórico, descriptivo o conceptual del proceso de validación.
a partir de los artículos seleccionados se estructuraron los resultados del manuscrito, especificando los principales aspectos conceptuales y metodológicos que deben incluirse en la construcción y validación de escalas de medición en salud, teniendo en cuenta los principales aspectos con los que se pudo establecer un mayor grado de acuerdo entre los autores y sus publicaciones.
Al revisar la literatura sobre la medición en las áreas de la salud, es indiscutible el auge, la demanda y sobretodo la utilidad que tiene la utilización de las escalas para evaluar variables o temas de interés en este campo y cuya característica particular es que no pueden medirse directamente [3-6]. Asimismo, es evidente que estos instrumentos son en su mayoría, traducciones y adaptaciones de versiones originalmente construidas en otro país e idioma, principalmente del inglés [13]. Por lo anterior, y dado que en la literatura existe un amplio consenso sobre cómo abordar esta primera etapa construcción, traducción y adaptación cultural de las herramientas de medida en salud [14,15], la descripción de este proceso no se incluye en el presente artículo, solo se esquematiza en la Figura 1.
Figura 1: Síntesis de la metodología sugerida para la traducción y adaptación cultural de una escala. Adaptado de Beaton [14].
En este contexto, suele creerse que la traducción y adaptación de un instrumento ampliamente reconocido y utilizado en un determinado campo, país e idioma garantiza la conservación de sus propiedades psicométricas; sin embargo, esto generalmente no se cumple, por lo que es imperativa su adaptación sociocultural y más importante aún; su validación [12,16]
Vale precisar que el juicio o criterio de expertos es determinante en la etapa inicial de la construcción y validación de escalas en salud, para lo cual existen diversas metodologías y etapas como las propuestas por Escobar y Cuervo en las que se destacan la delimitación del objetivos, los criterios de selección de los expertos, la delimitación de las dimensiones e indicadores a medir, el diseño de la plantilla de evaluación y el cálculo de la concordancia entre jueces [17]. En esta etapa de la validación uno de los métodos más usuales es el Delphi frente al cual existen múltiples publicaciones entre las cuales se destaca la revisión sistemática de García y Suárez en la cual se aluden sus consideraciones conceptuales, se describen su historia, características, ventajas y usos, y se sistematiza su ejecución en el campo de la salud a partir de la delimitación de tres fases: i) preparación, la cual incluye la selección de expertos, preparación del instrumento y decisión de la vía de consulta, ii) consulta, esta incluye la ronda de consultas, el procesamiento estadístico y la realimentación, y iii) consenso y reporte de resultados [18].
Adicional a lo anterior, para considerar válida una escala de medición en salud, ésta debe cumplir con una serie de características como la sencillez, la utilidad (viabilidad), y la aceptación por parte de los pacientes e investigadores, al mismo tiempo que debe satisfacer otros requerimientos íntimamente relacionadas con las dos grandes propiedades psicométricas determinantes en todo instrumento: la fiabilidad y la validez [19- 22].
En este sentido y producto de esta revisión, se sintetiza y propone la siguiente secuencia metodológica y se sugieren algunas herramientas estadísticas para llevar a cabo de manera óptima la validación de una escala de medición en salud, según las propiedades que se resumen en la Tabla 1.
| Criterio | Propiedad | Definición | Estadístico | Resultado satisfactorio |
|---|---|---|---|---|
| Reprodu cibilidad | Fiabilidad | Variación u homogeneidad en las mediciones | Coeficiente alfa de Cronbach | ≥ 0,7 |
| Consistencia interna | Correlación entre los ítems de una dimensión (aplica para escalas multidimensionales e índices) | Correlación de Pearson, Spearman o Kuder-Richardson | ≥ 0,4 (en caso de ser ≥0,8 indicaría mediciones son iguales) | |
| Poder discriminante | Correlación entre los ítems de una escala y las dimensiones a las cuales no pertenecen (sólo en escalas multidimensionales) | Correlación de Pearson o Spearman | Menor a la correlación del ítems con su dimensión (<0,3) | |
| Fiabilidad intra-observador o test-retest | Repetibilidad del instrumento | Correlación de Pearson, Spearman o intraclase | ≥0,80 ó 0,85 | |
| Fiabilidad inter-observador | Concordancia en evaluadores diferentes con los mismos sujetos, igual instrumento y ocasión | Correlación de Pearson, Spearman o intraclase | ≥0,80 ó 0,85 | |
| Validez | De apariencia (lógica) | Grado en que los ítems mide de forma lógica un constructo dado | Ninguno. Aplicabilidad y aceptabilidad | No aplica |
| De contenido | Los ítems del instrumento representan adecuadamente el constructo que pretende medir | Análisis factorial exploratorio | Coeficientes λ o cargas factoriales ≥0,3 | |
| De criterio (concurrente y/o predictiva) | Grado de similitud en los puntajes de la escala comparados con un estándar o patrón de referencia (criterio) | Coeficientes de correlación de Pearson o de Spearman | ≥0,80 | |
| Convergente/divergente | Correlaciona los puntajes obtenidos con escalas diferentes | Correlación de Pearson o de Spearman | Entre 0,4 y 0,70 | |
| De constructo | Grado en que el instrumento refleja adecuadamente la teoría subyacente del fenómeno o constructo que se quiere medir | Análisis factorial confirmatorio. O pruebas de hipótesis para comparar grupos teóricamente diferentes | Coeficientes λ ≥0,3, estadísticos de bondad de ajuste ≥0,05. En pruebas de hipótesis Vp<0,05 | |
| Sensibilidad | Capacidad de un instrumento para detectar cambios a través del tiempo | Pruebas de hipótesis | Vp<0,05 | |
| Utilidad | La es escala es de fácil aplicación, poca compleja y bajo costo | Ninguno | No aplica | |
Tabla 1: Resumen de una evaluación psicométrica de escalas en salud.
es el grado en que un instrumento es capaz de medir sin error [23]. Mide la proporción de variación en las mediciones que se debe a la variedad de valores que toma una variable y que no es producto del error sistemático (sesgo) o aleatorio (azar). Es decir, esta propiedad determina la proporción de la varianza total atribuible a diferencias verdaderas que existen entre los sujetos [23,24].
El coeficiente alfa de Cronbach es el recurso estadístico más utilizado para evaluar la fiabilidad de un instrumento [25,26]. Su valor está comprendido entre 0 y 1 y depende tanto del número de ítems que componen la escala como de la correlación media entre ellos [19,27,28]. Adicionalmente, cuando el instrumento está compuesto por un grupo de dominios (sub-escalas), debe calcularse el coeficiente alfa de Cronbach para los ítems de cada dominio respecto del valor del puntaje del mismo (correlación ítem-dominio) [19].
El valor mínimo aceptado para este coeficiente es de 0,70; valores inferiores indican que la fiabilidad de la escala utilizada es baja. Por otro lado, se espera un valor máximo de 0,90; valores mayores indican que hay redundancia o duplicación, lo que significa que varios ítems están midiendo exactamente el mismo elemento de un dominio o constructo; por lo tanto, dichos ítems deben eliminarse. Usualmente, se prefieren valores de alfa entre 0,80 y 0,90 [29].
es el grado de correlación y coherencia que existe entre los ítems de un instrumento o entre los ítems que conforman una dimensión en las escalas multi-dimensionales [23]. A través de esta propiedad, se evalúa si los ítems que miden una misma dimensión presentan homogeneidad entre ellos, lo que indica que los puntos de cada dominio miden el concepto que pretenden medir y no otro [19,22,30-32]. No obstante, se debe tener en cuenta que las escalas están diseñadas para medir separadamente los diferentes dominios que componen un determinado constructo, por lo cual se debe evaluar la consistencia interna de cada uno de ellos. Una escala cuya consistencia interna es elevada, es decir, aquella en la que sus ítems miden un solo constructo que es homogéneo, garantiza una relación lineal entre la suma de los puntajes de sus ítems con el constructo medido [24,32].
Estadísticamente la consistencia interna se puede evaluar a partir del rango de los coeficientes de correlación de Pearson de cada pregunta con el dominio al cual pertenecen y establecer posteriormente el porcentaje de éxito para cada dominio a partir de la siguiente fórmula:
Adicional a ello, los coeficientes de consistencia interna también pueden desarrollarse por medio del método de división por mitades de Spearman, las de fórmulas de Kuder-Richardson y el α de Cronbach [33]. Una revisión sistemática de la literatura concluye que el α de Cronbach es el coeficiente más utilizado para la evaluación de la consistencia interna de escalas de medición en salud [34]. En este sentido se debe aclarar que en este texto se desagregan dos propiedades relacionadas con la reproducibilidad, estas son fiabilidad y consistencia interna, la primera medida con el α de Cronbach y la segunda con correlaciones.
esta característica aplica para las escalas multi-dimensionales y determina el grado de correlación que existe entre los ítems de una dimensión y el puntaje de las otras dimensiones a los cuales no pertenecen, es decir, una óptima validez discriminante indica que los ítems de cada dominio no están midiendo lo que los incluidos en las demás dimensiones pretenden medir [32,35].
Para evaluar el poder o la validez discriminante se determina el rango de los coeficientes de correlación de Pearson entre las preguntas y los dominios a los cuales no pertenecen para luego definir el porcentaje de éxito para cada dominio mediante la fórmula:
se refiere a la repetibilidad del instrumento, es decir, si cuando es aplicado por los mismos evaluadores, con el mismo método, a la misma población y en dos momentos diferentes se obtienen puntajes similares [19,23]. Para evaluar esta propiedad se puede usar el coeficiente de correlación de Pearson, Spearman o intraclase [11]. El coeficiente de Pearson, se utiliza para medir la correlación entre variables cuantitativas al igual que el CCI, sin embargo, si las variables son cualitativas ordinales, está más indicada la correlación de Sperman-Brown [36-38].
Además, es importante considerar que el tiempo transcurrido entre la primera aplicación de la escala (test) y la segunda (retest) varía según lo que se esté midiendo. Esto es, no debe ser largo, para evitar variaciones en el fenómeno de interés medido y tampoco debe ser muy breve, ya que puede presentarse un “efecto de aprendizaje”, es decir, recordar las respuestas dadas en la primera aplicación. En los dos casos, el valor de la repetibilidad se ve alterado. Otra dificultad que se puede presentar es que algunos sujetos no admitan una segunda aplicación del instrumento [12,37,38].
Se refiere al grado de acuerdo que hay entre evaluadores diferentes que valoran a los mismos sujetos, con el mismo instrumento y en la misma ocasión. Esta propiedad no es evaluable en instrumentos donde el mismo individuo es el que proporciona las respuestas (test autocompletados), sin que exista interferencia de los evaluadores en los resultados del mismo (ej. entrevista). Las limitaciones con esta medición se deben principalmente a la existencia de acuerdo entre los evaluadores por azar y a la presencia de error sistemático (sesgo de información) en alguno de ellos [12,19]. Si se precisa su evaluación, los métodos estadísticos usados son los mismos que para la fiabilidad test-retest.
La validez es la capacidad que tiene el instrumento para medir el constructo que pretende medir y para lo cual fue diseñado [23]. Se reconocen cuatro propiedades que componen la validez de un instrumento: validez de apariencia, de contenido, de criterio, convergente-divergente y de constructo [23,24]. La validez podrá evaluarse para todas o algunas de estas dimensiones dependiendo del tipo de escala objeto de la validación.
Hace referencia al grado en que los ítems (preguntas) de una escala, mide de forma aparente o lógica el constructo que se pretende medir [23]. Para evaluar esta propiedad deben conformarse dos grupos, uno de expertos y otro de sujetos que serán medidos con el instrumento. Ambos analizan la escala y deciden si las preguntas realmente parecen medir lo que se quiere. Cabe aclarar que la validez de apariencia no es un concepto estadístico, sino que depende del juicio que hagan los expertos sobre la conveniencia de los ítems para evaluar el constructo de interés [5]. Además, la relevancia de esta forma de validez reside en la aplicabilidad y sobre todo en la aceptabilidad desde el punto de vista de quien responde y es evaluado con la escala [39].
Esta propiedad busca evaluar si los diferentes ítems incluidos en el instrumento representan adecuadamente los dominios del constructo que se pretende medir [4,19,23]. La validez de contenido es un proceso en el que se determina la estructura de la escala garantizando que ésta, por medio de sus ítems, abarque todos los dominios de la entidad que se quiere medir, es decir, confirmar que el fenómeno estudiado esté representado adecuada y totalmente por sus ítems y dominios sin dejar ningún aspecto fuera de la medición lo que significa que abarca el espectro real de la entidad, de tal modo que las inferencias surgidas a partir del puntaje de la escala sean válidas dentro de un amplio rango de circunstancias [4,19].
El procedimiento para evaluar la validez de contenido supone aplicar métodos estadísticos como el análisis factorial exploratorio [40,41], éste se usa para obtener evidencias de las dimensiones subyacentes (componentes) que están presentes en el instrumento y que deberían corresponder, en teoría, al constructo que se quiere medir. Con esto se busca explicar las correlaciones existentes entre los ítems del instrumento a partir de un conjunto más pequeño de componentes llamados dominios o “factores”; en este análisis es determinante evaluar el ajuste del modelo factorial y la adecuación de la muestra y los ítems evaluados, para lo cual se utilizan el test de esfericidad de Barlet y el de Kaiser-Meyer-Olkin (KMO), este último se toma como satisfactorio para valores mayores a 0,7; adicional a las rotaciones, principalmente la ortogonal varimax [6,40,41]. A nivel global, las cargas o saturaciones factoriales de los ítems (correlación entre cada ítem y cada factor) se consideran óptimas si son iguales o mayores a 0,3 [6].
Establece el grado en que los puntajes obtenidos a partir de una escala son válidos, al compararlo con un estándar o patrón de referencia (criterio) [3,19,23]. En este caso, el nuevo instrumento que se está evaluando debe compararse con una escala existente que sea ampliamente aceptada y haya demostrado ser el mejor instrumento disponible para la medición del fenómeno de interés. De este modo, se comparan los puntajes obtenidos con cada una de las escalas con el fin de evaluar si existe una adecuada correlación entre ambas [4,19].
Siempre que exista un estándar o se disponga de una escala alternativa que haga sus veces y que además sea independiente, fiable, válida y por supuesto, que mida la misma condición de interés, se deben seguir los siguientes pasos para evaluar esta propiedad: seleccionar el estándar o su equivalente más adecuado, elegir una muestra representativa de la población objeto de estudio, aplicar la escala en evaluación y obtener un puntaje para cada individuo, evaluar a cada sujeto con el estándar y comparar los resultados obtenidos con ambos instrumentos [12,19].
Dependiendo del momento en que se realice la comparación de resultados, pueden evaluarse las características de esta propiedad: la validez concurrente y la validez predictiva [4,42]. La validez concurrente busca establecer el grado de correlación existente entre los resultados obtenidos por la escala en evaluación y la considerada “criterio” o estándar, cuando ambas son aplicadas simultáneamente [4]. Esta comparación se efectúa estadísticamente mediante coeficientes de correlación de Pearson [3,19] o de Spearman, dependiendo de las características de distribución de los datos [42].
La validez predictiva evalúa el grado en que la nueva escala de medición es capaz de predecir el puntaje obtenido por el estándar de oro cuando éste no se aplica al mismo tiempo sino en algún punto en el futuro [4]. Estadísticamente, esta comparación se realiza de igual forma que en la validez concurrente.
La finalidad de la validez de criterio es que exista una adecuada correlación entre ambos instrumentos. Vale precisar que si la finalidad de la validación de una nueva escala está fundamentada en una que ésta presenta mayor utilidad, ya sea por la simplicidad en su aplicación, calificación, comodidad para el individuo, economía, disminución del error de medida y pertinencia; la validación de criterio requiere la obtención de correlaciones iguales o mayores a 0,8 las cuales indican que las dos escalas son psicométricamente iguales. Si la finalidad es mostrar que la nueva escala es más válida y mejor que el instrumento de referencia, lo ideal sería obtener correlaciones entre 0,3 y 0,7; las cuales indican que los dos instrumentos son diferentes aunque miden el mismo atributo [3,39,42].
garantiza que los puntajes que resultan de las respuestas del instrumento puedan ser consideradas y utilizadas como una medición válida del fenómeno estudiado [19,23]. Así, esta propiedad evalúa el grado en que el instrumento refleja adecuadamente la teoría subyacente del fenómeno o constructo que se quiere medir y en consecuencia, la medida coincide con la de otros instrumentos que evalúan la misma condición [6,19,23,40,41]. La evaluación de estos atributos o constructos demanda la definición previa del contenido del instrumento que se está validando y la elaboración de un marco teórico-conceptual que permita la interpretación los resultados obtenidos. De este modo, la validez de constructo permite establecer cómo una medición de la entidad se relaciona de manera consistente con las hipótesis que se plantean para explicar el constructo teórico que define el fenómeno de interés [6,19,40,41].
Estadísticamente, la evaluación de esta propiedad se hace mediante análisis factorial, precisando que inicialmente se usa el análisis factorial exploratorio para revelar la estructura interna de ítems y factores (dominios) de la escala y posteriormente, el análisis factorial confirmatorio para dar validez a tal estructura factorial soportada en un marco teórico de referencia. Aunque también es posible utilizar pruebas de hipótesis para comparar grupos teóricamente diferentes y con ello, evidenciar que la escalas los discrimina adecuadamente y en consecuencia, el constructo es válido [6,11,40,41,43].
El análisis factorial confirmatorio (AFC) es la herramienta estadística más apropiada para evaluar empíricamente la configuración teórica (constructo) subyacente de un instrumento, en términos de las características o rasgos latentes que representa, incluidos sus ítems y factores dentro de una posible estructura jerárquica [6,44]. Es decir, el AFC otorga evidencia suficiente de la validez del constructo permitiendo así, contrastar y evaluar hipótesis correctamente formuladas y validar las deducciones teóricas inferidas del mismo a la luz de los puntajes que se obtienen con la escala [40,41,43,44].
esta propiedad correlaciona los puntajes obtenidos a través escalas diferentes. Si se comparan instrumentos que cuantifican el mismo constructo y los resultados entre ambas medidas presentan correlaciones significativas, se dice que “convergen”, lo cual comprueba que las escalas son conceptualmente congruentes o similares. Si por el contrario, se comparan los puntajes de escalas que miden constructos diferentes y se obtienen correlaciones bajas o negativas, significa que las escalas "divergen", indicando asociación no significativa entre las variables, lo que confirma que miden constructos distintos, de no ser así, significaría que la escala que se está validando no es lo suficientemente específica para medir el constructo de interés en una población dada [11,22,30,45,46].
Esta propiedad generalmente se evalúa con coeficientes de correlación de Pearson, esperando obtener en circunstancias ideales, un desempeño psicométrico aceptable que implica una correlación mayor de 0,60 (convergente) y una correlación menor de 0,20 (divergente) [47,48].
La sensibilidad es la capacidad de un instrumento para detectar cambios a través del tiempo en la realidad que mide, tanto entre los individuos como en la respuesta de un mismo individuo sobre dicho constructo. Esta propiedad es escalas diagnóstica o ensayos clínicos, en los que la sensibilidad al cambio y la especificidad permiten evaluar la respuesta a un tratamiento o intervención; sin embargo, es poco frecuente en estudios con variables como el bienestar, la satisfacción, las percepciones y las actitudes [5,19,23,24,49].
Un instrumento no es útil si su aplicación resulta difícil, compleja o costosa. Este parámetro hace referencia a aspectos como el tiempo necesario para la aplicación del instrumento, la sencillez en el formato, la claridad de las preguntas, si se requiere o no de entrenamiento al personal que lo aplica. Además identifica si su registro, codificación, interpretación y evaluación es simple. Esta característica se evalúa mediante la realización de una prueba piloto, con grupo pequeño de participantes, de modo tal que puedan realizarse modificaciones oportunas en términos de su viabilidad [5,12,19].
Esta revisión pone de manifiesto el creciente interés por desarrollo y uso de escalas de medición en salud, con un amplio número de artículos referidos a la validación de instrumentos de reconocida utilidad y pertinencia en aéreas como la educación, la psicología, las ciencias sociales y de la salud [3-6]. Sin embargo, no sucede lo mismo con las investigaciones acerca de la sistematización y descripción metodológica del proceso que implica la validación completa, rigurosa y exhaustiva de estas herramientas de medida.
En este sentido, se pudo observar que si bien muchos autores se han interesado por investigar y describir estos aspectos metodológicos desde un enfoque teórico fundamentado principalmente desde la perspectiva psicométrica y clinimétrica [3-8], es clara la falta de consenso en aspectos fundamentales como la terminología, definiciones, opciones estadísticas, criterios psicométricos mínimo a evaluar y en general, los procesos de construcción, adaptación y validación de los instrumentos [23].
En relación con la fiabilidad y la validez vale precisar que, si bien muchos estudios las incluyen, en especial la medición del alfa de Cronbach y correlaciones de Pearson [20-22], los estudios que sólo velan por estas propiedades deberían ser más exhaustivos en los tipos de validación que subsumen; además de tener presente que el cumplimiento de éstas no garantiza la equivalencia entre las diferentes versiones que han sido desarrolladas para su aplicación en países con idiomas y culturas diferentes. Es determinante la aplicación de las propiedades descritas para realizar comparaciones entre estas poblaciones, obtener resultados validos derivados y con ello, la posibilidad de generar perfiles poblacionales, políticas públicas adecuadas, tratamientos eficientes e intervenciones en salud coherentes con la realidad de dichos grupos [12-16].
Cabe aclarar que las propiedades presentadas no aplican de forma similar para todos los instrumentos y cada investigador, según el tipo de escala que esté evaluando (unidimensional o multidimensional, con diversas variables latentes o sin ellas, adaptadas culturalmente o no, adecuadamente traducidas o no) determinará las propiedades que apliquen para su estudio. En este orden de ideas vale citar algunos estudios previos que han aplicado algunas propiedades psicométricas descritas:
1. El grupo de Mayta P. diseñó y evaluó una escala para medir percepciones sobre el trabajo en el primer nivel de atención de estudiantes de medicina, para lo cual realizaron un análisis factorial exploratorio de componentes principales y se estimó la varianza explicada [50].
2. Quintero C. y su grupo realizó la validación del cuestionario KIDSCREEN-27 de calidad de vida de niños y adolescentes en Medellín, para lo cual evaluaron las propiedades de consistencia interna, fiabilidad inter e intra-observador, validez de contenido y de constructo, y sensibilidad al cambio [51].
3. El grupo Cardona J, evaluó la fiabilidad, consistencia interna, validez discriminante y validez convergente/ divergente de tres escalas de calidad de vida para personas con fibromialgia, FIQ (Fibromyalgia Impact Questionnaire), MOSSF-36 (Medical Outcome Study Short Form) y WHOQOL-BREF (World Health Organization Quality of Life) [52], para personas con VIH se evaluaron propiedades psicométricas similares para las escalas MOSSF-36, WHOQOL-BREF y WHOQOL-HIV-BREF [53] y en población sana se evaluó validez discriminante, convergente/divergente, fiabilidad y consistencia interna del WHOQOL-BREF y el MOSSF-36 [54].
4. El grupo de Hernández evaluó la fiabilidad, la consistencia interna y validez discriminante y predictiva de una encuesta de frecuencia de consumo de alimentos ricos en hierro en Medellín-Colombia [55].
Como conclusión del manuscrito se debe indicar que esta revisión representa una síntesis y organización de la información que se encuentra ampliamente dispersa en la literatura en relación con la evaluación psicométrica de escalas en salud, al mismo tiempo que hace una aproximación a los recursos estadísticos que más se utilizan para lograr este propósito. Por lo anterior, este trabajo resulta de gran utilidad para investigadores de las áreas de salud y afines, interesados en construir, adaptar y evaluar los instrumentos de su interés, de modo que los resultados de sus investigaciones sean reproducibles, válidos, sensibles y útiles para la población estudiada y la comunidad científica.
Como conclusión del manuscrito se debe indicar que esta revisión representa una síntesis y organización de la información que se encuentra ampliamente dispersa en la literatura en relación con la evaluación psicométrica de escalas en salud, al mismo tiempo que hace una aproximación a los recursos estadísticos que más se utilizan para lograr este propósito. Por lo anterior, este trabajo resulta de gran utilidad para investigadores de las áreas de salud y afines, interesados en construir, adaptar y evaluar los instrumentos de su interés, de modo que los resultados de sus investigaciones sean reproducibles, válidos, sensibles y útiles para la población estudiada y la comunidad científica.
recursos en especie Universidad de Antioquia, Universidad Cooperativa de Colombia.
Los autores declaran no tener conflictos de interés con la publicación de este artículo.
