medigraphic.com
ENGLISH

Revista Mexicana de Investigación en Psicología

Órgano Oficial del Sistema Mexicano de Investigación en Psicología (SMIP)
  • Mostrar índice
  • Números disponibles
  • Información
    • Información general        
    • Directorio
  • Publicar
    • Instrucciones para autores        
  • medigraphic.com
    • Inicio
    • Índice de revistas            
    • Registro / Acceso
  • Mi perfil

2018, Número 1

Siguiente >>

Rev Mex Invest Psic 2018; 10 (1)


Validez de constructo de un instrumento de evaluación de la depresión y regulación emocional

Moscoso MS, Merino-Soto C, Oblitas-Guadalupe L, Puerta-Morales L, Leon-Jacobus A
Texto completo Cómo citar este artículo Artículos similares

Idioma: Español
Referencias bibliográficas: 46
Paginas: 1-16
Archivo PDF: 952.89 Kb.


PALABRAS CLAVE

depresión, distrés, estrés crónico, eustrés, regulación emocional, validez de constructo.

RESUMEN

El propósito del presente estudio es examinar la validez de constructo y consistencia interna del Inventario Multicultural de la Depresión, Estado-Rasgo (IMUDER) con base en un análisis factorial confirmatorio (AFC) y el modelo de ecuaciones estructurales. Debido a que la utilización de dicho instrumento está dirigido al estudio de la depresión y la desregulación emocional en la población general, la muestra del estudio está compuesta por 446 estudiantes adultos de una institución académica de educación superior de Barranquilla, Colombia. Con base en el AFC se examinaron dos modelos de manera separada: un modelo definido por un factor general y dos factores específicos, representados por el modelo bifactorial y el modelo oblicuo (correlacionados). Los resultados de dichos análisis se reportan separadamente para las subescalas “estado” y “rasgo”, y sugieren una estructura de dos dimensiones inversamente relacionadas, a las cuales se les denominó distrés y eustrés, en comparación a un modelo que incluya una sola dimensión general. Los indicadores de ajuste del modelo de factores oblicuos para la subescala “estado” fueron satisfactorios, CFI = .984, RMSEA = .047 (IC 90 % = .034, .060), MFI = .943, SRMR = .064. El ajuste del modelo de factores oblicuos para la subescala “rasgo” fue altamente satisfactorio: SB-χ2 (gl: 53) = 63.555 (p › 0.05), CFI = .993, RMSEA = .021 (IC 90% = .000, .038), MFI = .988, SRMR = .053. Evidencia de la unidimensionalidad del modelo total del instrumento no es suficiente fuerte y contrasta con la evidencia presentada a nivel de ítems. A partir de estas observaciones se acepta mantener la interpretación de dos dimensiones covariantes (distrés y eustrés) e inversamente correlacionadas en las dos subescalas de “estado” y “rasgo”.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. American Psychiatric Association. (2013). Manual de Diagnóstico y Estadística de los Desordenes Mentales [DSM-5]. Washington, United States: American Psychiatric Ass.

  2. Aschbacher, K., Epel, E., Wolkowitz, O. M., Prather, A. A., Puterman, E., & Dhabhar, F. S. (2012). Maintenance o a positive outlook during acute stress protects against pro-in- ¥ammatory reactivity and future depressive symptoms. Brain, Behavior, and Immunity, 26, 346-352. Retrieved from http://doi:10.1016/j.psyneuen.2014.04.003.

  3. Baumgartner, H., & Steenkamp, J. E. M. (2001). Response styles in marketing research: A cross-national investigation. Journal of Marketing Research, 38, 143-156. Retrieved from https://doi.org/10.1509%2Fjmkr.38.2.143.18840.

  4. Beck, A. T., & Steer, R. A. (1993). Beck depression Inventory Manual. San Antonio, United States: ·e Psychological Corporation.

  5. Bentler, P. M., & Wu, E. J. C. (2012). EQS 6.3 for Windows, Build 116 [structural equation modeling software]. California, United States: Multivariate Software, Inc.

  6. Bryant, B. F., & Yarnold, P. R. (1995). Principal components analysis and exploratory and conrmatory factor analysis. En L. G. Grimm & P. R. Yarnold (Eds.), Reading and Understanding Multivariate Statistics (pp. 99-136). Washington, United States: American Psychological Association.

  7. Carver C. S., & Scheier, M. F. (1994). Situational coping and coping dispositions in a stressful transaction. Journal of Personality and Social Psychology, 66(1), 184-195.

  8. Clark, L. A., & Watson, D. (1991). Tripartite model of anxiety and depression: Psychometric evidence and taxonomic implications. Journal of Abnormal Psychology, 100, 316-336.

  9. Clark, L. A., & Watson, D. (1995). Constructing validity: Basic issues in objective scale development. Psychological Assessment, 7(3), 309-319. Retrieved from https://doi. org/10.1037//1040-3590.7.3.309.

  10. Coe, R., & Merino, C. (2003). Magnitud del efecto: una guía para investigadores y usuarios. Revista de Psicología – PUCP, 21, 147-177.

  11. Domínguez, S. (2014). ¿Matrices Policóricas/Tetracóricas o Matrices Pearson? Un estudio metodológico. Revista Argentina de Ciencias del Comportamiento, 6, 39-48.

  12. Domínguez, S., Merino, C., & Navarro, J. (2016). Estimación paramétrica de la conabilidad y diferencias conables. Revista médica de Chile, 144(3), 406-407. Recuperado de https:// doi.org/10.4067/s0034-98872016000300019.

  13. Ehring, T., Fisher, S., Schnulle, J., Boesterling, A., & Tuschen- Ca¼er, B. (2008). Characteristics of emotion regulation in recovered depressed versus never depressed individuals. Journal of Personality and Individual di˜erences, 44, 1574-1584.

  14. Folkman, S. (1997). Positive psychological states and coping with severe stress. Social Science Medicine, 45(8), 1207-1221.

  15. Folkman, S. (2008). ·e case for positive emotions in the stress process. Anxiety, Stress and Coping, 21(1), 3-14. Retrieved from http://www.tandfonline.com/loi/gasc20.

  16. Forgeard, M. J., Haigh, E. A., Beck, A. T., Davidson, R. J., Henn, F. A., Maier, S. F., Mayberg, H. S., & Seligman, M. E. (2011). Beyond depression: Toward a process-based approach to research, diagnosis, and treatment. Clinical Psychology Science and Practice, 18, 275-299.

  17. Fredrickson, B. L. (1998). What good are positive emotions? Review of General Psychology, 2, 300-319.

  18. Fredrickson, B. L. (2003). ·e value of positive emotions. American Scientist, 91, 330-335.

  19. Garland, E. L., Gaylord, S. A., & Fredrickson, B. L. (2011). Positive appraisal mediates the stress-reductive e½ects of mindfulness: An upward spiral process. Mindfulness, 2, 59-67. Retrieved from http://doi: 10.1007/s12671-011-0043-8.

  20. Graham, J. M. (2006). Congeneric and (essentially) tau-equivalent estimates of score reliability: What they are and how to use them. Educational and Psychological Measurement, 66(6), 930-944. Retrieved from https://doi. org/10.1177/0013164406288165.

  21. Graham, J., Guthrie, A., & ·ompson, B. (2003). Consequences of not interpreting structure coe¼cients in published CFA research: A reminder. Structural Equation Modeling, 10, 142-153.

  22. Harzing, A. 2006. Response styles in cross-national survey research: A 26-country study. International Journal of Cross Cultural Management, 6(2), 243–266. Retrieved from https://doi.org/10.1207/s15328007sem1001_7.

  23. Heller, A. S., Johnstone, T., Shackman, A., Light, S. N., Peterson, M. J., Kolden, G. G., Kalin, N., & Davidson, R. (2009). Reduced capacity to sustain positive emotion in major depression re¥ects diminished maintenance of fronto-striatal brain activation. Proceedings of the National Academy of Science, 106, 22445-22450.

  24. Joormann, J., & Gotlib, I. (2010). Emotion regulation in depression: Relation to cognitive inhibition. Cognition and Emotion, 24(2), 281-298. Retrieved from http:// doi:10.1080/02699930903407948.

  25. Lei, P-W., & Wu, Q. (2012). Estimation in structural equation modeling. En R. H. Hoyle (Ed.), Handbook of Structural Equation Modeling (pp. 164-179). New York, United States: Guilford Press.

  26. Mazure, C. H. (1998). Life stressors as risk factors in depression. Clinical Psychology and Science Practice, 5, 291-313.

  27. Merino, C., & Grimaldo, M. (2011). Complejidad factorial y conductas moralmente controversiales. Revista Argentina de Ciencias del Comportamiento, 3(3), 38-43.

  28. Moscoso, M. S. (2014a). Avances en la medición psicométrica de la depresión. Liberabit: Revista de Psicología, 20(1), 145-155.

  29. Moscoso, M. S. (2014b). Naturaleza de las emociones positivas en la evaluación de la depresión: una nueva visión en psicometría. Revista de Psicología, 32(2), 303-327.

  30. Moscoso, M. S. (2015). Medición de la depresión en psicología de la salud: el modelo conceptual del estrés crónico. Revista de Psicología del Colegio de Psicólogos de Arequipa, 5(2), 214-230.

  31. Moscoso, M. S., & Lengacher, C. A. (2017). El rol de mindfulness en la regulación emocional de la depresión. Mindfulness and Compassion, 2(2), 64-70. Recuperado de http://doi. org/10.1016/j.mincom.2017.08.002.

  32. Moscoso, M. S., Lengacher, C. A., & Knapp, M. (2012). Estructura factorial del Inventario Multicultural de la Depresión, Estado-Rasgo: rol de las emociones positivas en la depresión. Revista Persona, 15, 115-136.

  33. Moscoso, M. S., & Reheiser, E. C. (2010 ). Construct validity of the emotional distress inventory in patients with cancer. Ansiedad y Estrés, 16(1), 83-94.

  34. Rodríguez, A., Reise, S. P., & Haviland, M. G. (2016). Evaluating bifactor models: Calculating and interpreting statistical indices. Psychological Methods, 21, 137-150. Retrieved from https://doi.org/10.1037/met0000045.

  35. Rosenfeld, I. (1999). When the sadness won’t go away. Parade Magazine, 19, 10.

  36. Saris, W. E, Satorra, A., & van der Veld, W. M. (2009). Testing structural equation modeling or detection of misspecications? Structural Equation Modeling, 16, 561-582.

  37. Satorra, A., & Bentler, P. M. (1994). Corrections to test statistics and standard errors in covariance structure analysis. En A. von Eye & C. C. Clogg (Eds.), Latent variables analysis: Applications for developmental research (pp. 399-419). California, United States: Sage.

  38. Selye, H. (1974). Stress without distress. New York, United States: Lippincott Publishing Co.

  39. Stucky, B. D., & Edelen, M. O. (2015). Using hierarchical IRT models to create unidimensional measures from multidimensional data. En S. P. Reise & D. A. Revicki (Eds.), Handbook of item response theory modeling: Applications to typical performance assessment (pp. 183-206). New York, United States: Routledge.

  40. Tomarken, A. J., & Keener, A. D. (1998). Frontal brain asymmetry and depression: A self-regulatory perspective. Cognition and Emotion, 12, 387-420.

  41. Tugade, M., & Fredrickson, B. L. (2004). Resilient individuals use positive emotions to bounce back from negative emotional experiences. Journal of Personality and Social Psychology, 86(2), 320-333.

  42. World Health Organization. (2017). Depression: Let’s talk. World Health Organization.

  43. Wuang, Y. P., Su, C. Y., & Huang, M. H. (2012). Psychometric comparisons of three measures for assessing motor functions in preschoolers with intellectual disabilities. Journal of Intellectual Disability Research, 56(6), 567–578. Retrieved from https://doi.org/10.1111/j.1365-2788.2011.01491.x.

  44. Wyrwich, K. W., Nienaber, N. A., Tierney, W. M., & Wolinsky, F. D. (1999). Linking clinical relevance and statistical signi- cance in evaluating intra-individual changes in health-related quality of life. Medical Care, 37(5), 469–478. Retrieved from https://doi.org/10.1016/s0161-4754(00)90140-4.

  45. Zautra, A. J. (2003). Emotions, Stress and Health. New York, United States: Oxford University Press.

  46. Zautra., A. J., & Smith, B. W. (2001). Depression and reactivity to stress in older women with rheumatoid arthritis and osteoarthritis. Psychosomatic Medicine, 63, 687-696.




2020     |     www.medigraphic.com

Mi perfil

C?MO CITAR (Vancouver)

Rev Mex Invest Psic. 2018;10

ARTíCULOS SIMILARES

CARGANDO ...