Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
En la actualidad, se estima que a nivel mundial existen cerca de 600 millones de personas mayores de 60 años, cifra que podría llegar a duplicarse en el año 2025 (Ward, Parikh, & Workman, 2011). Estimaciones más recientes señalan que el 75% del total de las personas mayores de 60 años residen en países en desarrollo, esperando que para el año 2050, llegue a un 80%, lo que evidencia un acelerado proceso de envejecimiento en países de América Latina en comparación a países desarrollados (Fergusson, 2017). Así, por ejemplo, en Perú las personas entre 60 y 79 años constituyen el 7.6% de la población total (Instituto Nacional de Estadística e Informática [INEI], 2016a). Se espera que en el año 2050 las personas mayores a 60 años alcancen el 15.7% (INEI, 2016b). Este incremento de los adultos mayores (AM), genera que en los últimos años se realicen esfuerzos para comprender y definir lo que constituye el envejecimiento exitoso y ampliar el enfoque de la investigación sobre el envejecimiento más allá de la enfermedad física y la discapacidad (Cosco, Prina, Perales, Stephan, & Brayne, 2014a ; Cosco, Prina, Perales, Stephan, & Brayne, 2014b; Foster & Walker, 2014; Reichstadt, Sengupta, Depp, Palinkas, & Jeste, 2010). Lo anterior es importante para la formulación de políticas de salud pública dirigidas a los AM (Rodríguez, 2016).
El envejecimiento exitoso, o también denominado envejecimiento saludable, activo, productivo o positivo (Martin et al., 2015), es un concepto multidimensional conformado por dimensiones objetivas y subjetivas (Pruchno, Wilson-Genderson, Rose, & Cartwritght, 2010), que trasciende el buen estado de salud y abarca una baja probabilidad de enfermedad y discapacidad, un adecuado funcionamiento físico y cognitivo, relaciones familiares y sociales adecuadas, así como la presencia de afectos positivos y satisfacción con la vida (Fernández-Ballesteros et al., 2008; Fernández-Ballesteros et al., 2010). Para la Organización Mundial de la Salud (OMS), el envejecimiento activo implica la capacidad de las personas mayores para mejorar su calidad de vida a través de la optimización de sus recursos en pro de mejorar su bienestar físico, psicológico y social (OMS, 2015). Es así que el deterioro funcional del envejecimiento puede ser postergado al tener una activa vida mental, física y social; ello es propuesto en los programas de promoción que se enfocan en otorgar la mejor vida posible para la conservación de la fuerza física, la capacidad mental y la productividad en la sociedad que les permita acceder a oportunidades de contribuir en diversas maneras con sus familiares y el entorno (Jenkins, 2005).
Debido al creciente aumento de los AM en Perú y otros países latinoamericanos (Fergusson, 2017), la preocupación sobre cómo envejecer con éxito hace necesario profundizar en el conocimiento de los factores que influyen en el envejecimiento exitoso orientado al desarrollo de una vida sana y feliz durante la vejez (Cha, Seo, & Sok, 2012; Paskulin, Vianna, & Molzahn, 2009). La vejez es una etapa del ciclo vital altamente heterogénea donde la mirada patologizante no entrega suficientes respuestas que permitan la compresión de su complejidad. Así, en los últimos años está creciendo el interés por el estudio del rol que cumple la autoeficacia dentro del proceso de envejecimiento exitoso (Blanco, 2011; Fernández-Ballesteros, et al., 2010).
La autoeficacia refleja la creencia en las propias capacidades para llevar a cabo con éxito acciones encaminadas al logro de rendimientos deseados (Bandura, 1977). Este concepto lleva a considerar que la autoeficacia no se centra en los recursos que la persona posee, sino en que se juzgue capaz de utilizarlos en diferentes contextos (Pavón & Arias, 2013). Así, un individuo que confía en sus capacidades, será más persistente y realizará mayores acciones para conseguir los objetivos propuestos (Rice, Lockenhoff, & Cartensen, 2002).
La autoeficacia es una variable central en la teoría cognitiva social de Bandura (1977) que influye en el inicio de un conjunto de actividades que las personas eligen participar, el tiempo y esfuerzo que invertirán en dichas actividades, y en qué medida persistirán en las mismas a pesar de las barreras y/o inconvenientes que pueden aparecer, jugando un papel central en la explicación de la motivación y el comportamiento (McAuley et al., 2011). Las creencias de autoeficacia son de considerable interés como mediadores del estilo de vida y el comportamiento en muchos dominios de la vida (McAvay, Seeman, & Rodin, 1996). En este sentido, la autoeficacia no se puede generalizar a todos los ámbitos en que la persona se desenvuelve, ya que, el individuo puede percibirse capaz de realizar algunas tareas específicas, pero no otras (Bandura, 2001). Por ejemplo, un individuo puede considerarse capaz de gestionar con éxito un proyecto de investigación, pero al mismo tiempo, sentirse incapaz de dejar de fumar. Así, el considerarse capaz o no dependerá de la tarea a la cual la persona se enfrente (Pavón, 2015).
Dentro de los estudios sobre el envejecimiento, la inclusión del concepto autoeficacia ha sido reciente, pero de particular relevancia debido a las experiencias y eventos que acontecen en este periodo del ciclo vital (Pavón & Arias, 2013). Muchas de estas experiencias (por ejemplo, problemas de salud) pueden mejorar las percepciones de autoeficacia de los AM en muchos dominios de la vida, incluyendo salud, economía, seguridad y relaciones sociales. Diversos estudios con AM, muestran asociaciones significativas entre la percepción de autoeficacia y el estado de salud (McAuley et al., 2006; Salbach et al., 2006; Schwarzer & Renner, 2000), temores a las caídas (Li, Fisher, Harmer, & McAuley, 2005; Liu-Ambrose et al., 2006), cambios en el funcionamiento físico (French, Olander, Chisholm, & McSharry, 2014), reducción de los niveles de ansiedad (Stanley et al., 2002), la capacidad de sobrevivir a un accidente cerebrovascular (Hellstrom, Lindmark, Wahlberg, & Fugl-Meyer, 2003; Pang, Eng, & Miller, 2007) y la participación en ejercicios de rehabilitación (Kuys, Donovan, Mattin, & Choy, 2015). Así también, la autoeficacia se relaciona con la disminución de la depresión y la ansiedad, además de moderar la relación entre la salud física subjetiva y los síntomas depresivos (Chou & Chi, 2001).
En el ámbito gerontológico, ha surgido el concepto de la autoeficacia para envejecer (AEE), definido como la percepción que el individuo tiene acerca del control que ejercerá en el futuro en las áreas cognitiva, física, socioemocional y la salud (Fernández-Ballesteros et al., 2010). De esta manera, una mayor creencia de eficacia permitirá a los individuos considerar que tienen las capacidades necesarias para ejercer un mejor control y modificar su contexto buscando una mejor calidad de vida (Pavón, 2015). Si bien se considera que en la vejez la autoeficacia tiende a disminuir, producto de la presencia de situaciones que son difíciles de controlar para los AM debido a déficit físicos y cognitivos (Lachman, Neupert, & Agrigoroaei, 2011), las evidencias no son totalmente claras (Pavón & Arias, 2013). Así, por ejemplo, algunas investigaciones revelan la ausencia de diferencias significativas en la AEE entre grupos de 44 a 54 años y mayores de 60 años (Pavón & Arias, 2012; Pavón & Zariello, 2011).
Para la medición de la AEE, se ha construido la Escala de Auto-Eficacia para envejecer (EAEE) destinada a medir la percepción de autoeficacia en relación a los cambios cognitivos, físicos, socioemocionales y de salud acontecidos durante la vejez (Fernández-Ballesteros, 2008). La EAEE, que forma parte del European Survey on Aging Protocol ([ESAP], Fernández-Ballesteros et al., 2004, Fernández-Ballesteros, Schroots, & Rudinger, 1998), ha sido utilizada como medida adicional para determinar los niveles de competencia en la vejez (Fernández-Ballesteros et al., 2004) y el envejecimiento exitoso (Fernández-Ballesteros et al., 2010).
Los estudios acerca de la AEE, utilizando la EAEE se han centrado en Europa (Fernández-Ballesteros et al., 1998; Fernández-Ballesteros et al., 2004; Fernández-Ballesteros et al., 2010), principalmente en España, donde se han obtenido puntuaciones promedio de 2.52 en AM mayores de 90 años (Zamarrón, Fernández-Ballesteros, Díaz, Montero, & López, 2007) y de 2.58 en individuos entre los 55 y 75 años (Fernández-Ballesteros, 2006), además no se reportaron diferencias significativas en las puntuaciones de AEE en función al tipo de residencia (particular o de larga estancia) (Zamarrón et al., 2007) y el grupo de edad (55 a 64 años y 65 a 75 años) (Fernández-Ballesteros, 2006). Caso contrario, sí se evidencian diferencias significativas en la AEE en aquellos AM con estudios superiores o universitarios y con mayores ingresos económicos (Fernández-Ballesteros, 2006). En América Latina (AL), Argentina ha congregado los esfuerzos por el estudio científico de esta variable. Así en este país, se reporta que la AEE se relaciona con el bienestar psicológico en personas de 44 a 86 años (Pavón, 2012); por otro lado, las mujeres presentan mayores creencias de eficacia para envejecer (Pavón, 2012; Pavón & Arias, 2013) y no se evidencian diferencias significativas en la AEE al comparar grupos de diferentes edades (Pavón & Zariello, 2011).
A pesar de los diferentes estudios en AL utilizando la EAEE, son muy pocas las evidencias psicométricas de la escala. Fernández-Ballesteros (2008), señala que la EAEE está conformada por cuatro dimensiones (salud, cognitiva, física y funcional, socioemocional), aunque no se brinda evidencia empírica que sustente esta estructura. Asimismo, esta versión presenta un alto índice de consistencia interna (α= 0.84) y se relaciona significativamente con otras medidas de percepción de salud, ajuste físico y cognitivo, superación de conflictos, satisfacción y empatía interpersonal (Fernández-Ballesteros et al., 2010). De igual manera, y hasta donde se conoce en base a la revisión de la literatura, la versión utilizada en Argentina tampoco muestra evidencias empíricas de la estructura interna, pero sí muestra una adecuada confiabilidad por consistencia interna (α= 0.88; Pavón & Arias, 2013).
Por otro lado, un estudio realizado con 120 costarricenses, entre mujeres y hombres con un promedio de edad de 60.3 años, muestra evidencia psicométrica de la escala (Blanco & Salazar, 2014). A partir de un análisis factorial exploratorio, utilizando el método de extracción de componentes principales y rotación varimax, se reportó la existencia de dos dimensiones que explican el 57% de la varianza. El primer factor, mide la percepción de autoeficacia para resolver problemas emocionales, de memoria y aquellos relacionados con las redes de apoyo; mientras que el segundo factor, se centra en la medición de la autoeficacia para superar problemas intelectuales y de independencia, así como prevenir problemas de salud. Además, presenta una adecuada confiabilidad (α= 0.87) y se brinda evidencia de una relación significativa de las puntuaciones de la EAEE con una medida de afectos positivos y negativos.
Considerando el escaso número de investigaciones en el Perú y otros países latinoamericanos respecto a la medición de la AEE utilizando la EAEE, el presente estudio se plantea la pregunta: ¿la EAEE presenta confiabilidad y evidencias de validez en AM peruanos? En ese sentido, se plantearon los siguientes objetivos: a) examinar la estructura factorial de la EAEE; b) estimar la confiabilidad mediante el método de consistencia interna y c) brindar evidencia acerca de la validez convergente y discriminante de la EAEE.
Método
Participantes
En el presente estudio, participaron un total de 400 AM (75.2% mujeres y 24.8% hombres) de la ciudad de Trujillo (Perú), seleccionados por muestreo intencional. Las edades de los participantes estuvieron comprendidas entre los 65 y 98 años con una edad promedio de 73.37 años (DE = 7.86). Al comparar las edades promedio de hombres (M= 76.91, DE= 7.64) y mujeres (M= 72.20, DE= 7.59), se observan diferencias estadísticamente significativas y tamaño del efecto (TE) moderado a favor de los hombres (t(398) = 5.34, p = 0.000, d = 0.62 IC95% 0.39-0.85). Los participantes en su mayoría (N= 137; 34.3%) eran casados, el 23% (N= 92) estaba divorciado y/o separado, 19.85% (N= 79) era viudo, 16.8% (N= 67) era conviviente y el 6.3% (N= 25) estaba soltero.
De acuerdo a las recomendaciones para los estudios de validación de escalas (Hair, Black, Babin, Anderson, & Tatham, 2010), la muestra original se dividió aleatoriamente en dos submuestras. La primera muestra (Muestra 1) se utilizó para el Análisis Factorial Exploratorio (AFE) y estuvo conformada por 199 AM, 152 mujeres (76.4%) y 47 hombres (23.6%) con una edad promedio de 73.55 años (DE= 7.83). Se evidenció una diferencia significativa y TE moderado de la edad de acuerdo al sexo a favor de los hombres (t(197) = 4.18, p = 0.000, d = 0.69 IC95% 0.36-1.03). La segunda muestra (Muestra 2), utilizada para el Análisis Factorial Confirmatorio (AFC), consistió en 201 AM, de los cuales 149 eran mujeres (74.1%) y 52 hombres (25.9%) con un promedio de edad de 73.13 años (DE= 7.93). El análisis de comparación de los promedios de edad entre hombres y mujeres, reportó una diferencia significativa y TE moderado a favor de los hombres (t(199) = 3.47, p = 0.001, d = 0.56 IC95% 0.24-0.88).
Se pudo satisfacer la proporción mínima de aproximadamente 200 casos que generalmente se recomienda para este tipo de procedimientos (Caycho-Rodríguez, 2017a; Lloret-Segura, Ferreres-Traver, Hernández-Baeza, & Tomás-Marco, 2014; Velicer & Fava, 1998). En este sentido, las submuestras para el AFE y AFC permiten asegurar la confiabilidad de la estructura factorial emergente.
Instrumentos
Escala de Auto-Eficacia para envejecer (EAEE) (Fernández-Ballesteros, 2008). La EAEE tiene como objetivo medir la autoeficacia para envejecer, referido a las dimensiones de salud, cognición, habilidades físicas y funcionales, así como las habilidades socio-emocionales. Está conformada por 10 ítems con 4 opciones de respuesta (casi nada, algo, bastante y mucho) que permite elegir la mejor alternativa que expresa lo que pasará en el futuro. La versión original permite obtener una puntuación total de la prueba y por cada dimensión.
Escala de Satisfacción con la Vida (SWLS) (Diener, Emmons, Larsen, & Griffin, 1985). La SWLS se compone de cinco ítems que evalúan la satisfacción global con su vida. Se utilizó la versión española de la SWLS (Atienza, Pons, Balaguer, & García-Merita, 2000), adaptada al contexto del adulto mayor peruano (Caycho-Rodríguez et al., 2018) con cinco opciones de respuesta (1= totalmente en desacuerdo, 5 = totalmente de acuerdo). La puntuación total de la SWLS se calculó como el promedio de los cinco ítems. En el presente estudio, el coeficiente alfa de Cronbach fue de .90 (IC95%: .88 -.92).
Escala de Depresión Geriátrica-5 ítems (GDS-5; Gómez-Angulo & Campo-Arias, 2011). La GDS-5 mide los síntomas cognoscitivos de la depresión en adultos mayores. En el presente estudio se utilizó la versión breve de 5 ítems dicotómicos derivada de la escala original de 30 items (Yesavage & Brink, 1983) validada en el Perú (Dominguez-Lara, 2017). Esta versión presenta un valor del coeficiente alfa de Cronbach de .79 (IC95%: .75 - .83) en el presente estudio.
Procedimiento
El estudio contó con la aprobación del comité de ética de la primera de las universidades participantes en el estudio. Posteriormente, se informó el objetivo, así como los aspectos éticos y metodológicos del estudio a las autoridades de los Centros del Adulto Mayor (CAM) del Seguro Social de Salud de la ciudad de Trujillo, consiguiendo el permiso para la aplicación de los instrumentos de medida. Se obtuvo la participación voluntaria de los adultos mayores a través de la firma del consentimiento informado. Un grupo de psicólogos entrenados, administraron los instrumentos de manera colectiva e individual en un tiempo aproximado de 30 minutos.
Análisis de datos
En una primera instancia se calcularon la media, desviación estándar, asimetría, curtosis y el índice de homogeneidad corregido (IHc) para los 10 ítems de la EAEE. Se considera un IHc adecuado cuando el valor es superior 0.30 (Kline, 1999). Asimismo, se calculó el coeficiente Mardia (1970) de normalidad multivariada.
En segundo lugar, se realizó el análisis factorial exploratorio (AFE) a través del programa FACTOR 10.3 (Lorenzo-Seva & Ferrando, 2007). Se comprobó previamente la adecuación de la matriz de correlación. Para esto, se calcularon la medida de adecuación muestral de Kaiser-Mayer-Olikin (KMO) de Kaiser (1970) y el test de esfericidad de Bartlett. Un valor de KMO ≥ .70 (Costello & Osborne, 2005; Ferrando & Anguiano-Carrasco, 2010) y un p< .05 del test de Bartlett (Everitt & Wykes, 2001), expresan la suficiencia de la matriz de correlación de los ítems para realizar el AFE. Se empleó el método de estimación de mínimos cuadrados no ponderado (MCNP), debido al no cumplimiento del supuesto de normalidad multivariada (Lloret-Segura et al., 2014). Asimismo, el análisis paralelo (AP; Horn, 1965) se utilizó para determinar el número de factores a extraer, a partir de la comparación de los autovalores empíricos y los autovalores generados al azar (Hayton, Allen & Scarpello, 2004; Timmerman & Lorenzo-Seva, 2011). Autovalores mayores a los generados al azar se conservaron para el análisis (O’Connor, 2000).
En tercer lugar, se analizó la estructura factorial de la EAEE mediante el análisis factorial confirmatorio (AFC) a través del programa EQS 6.2 (Bentler & Wu, 2012). Considerando la naturaleza ordinal de los ítems (Dominguez, 2014), se utilizó el método de máxima verosimilitud robusta y la matriz de correlación policóricas (Rhemtulla, Brosseau-Liard & Savalei, 2012). Se utilizó la prueba chi-cuadrado (χ2) corregida, debido a la falta de normalidad de las puntuaciones (SB-x 2; Satorra & Bentler, 1994). Considerando que la SB-χ2 es sensible al tamaño de la muestra (Fujikoshi, 2000), se evaluó el ajuste general del modelo a través del cálculo de otros índices como, la chi-cuadrado relativa (SB-χ2/ df; Bollen, 1998), donde valores entre 2 y 3 expresa un ajuste adecuado del modelo (Carmines & Mclver, 1981), el índice de ajuste comparativo (CFI), el error cuadrático medio de aproximación (RMSEA) y el residuo cuadrático medio estandarizado (SRMR). De conformidad con las normas establecidas (Hu & Bentler, 1999) valores ≥ .90 para CFI y ≤ .08 para RMSEA y SRMR brindan evidencia empírica aceptable para el ajuste del modelo. Asimismo, se calculó el criterio de información de Akaike (AIC por sus siglas en inglés; Akaike, 1974) para la comparación de modelos (Wicherts & Dolan, 2004). El AIC evalúa el ajuste del modelo a los datos y la complejidad del mismo, donde el valor más pequeño indica un mejor ajuste (Burnham & Anderson, 2002).
La estimación de la confiabilidad de las puntuaciones observadas se realizó mediante el calculó el coeficiente alfa de Cronbach con sus intervalos de confianza (IC) (Dominguez-Lara & Merino-Soto, 2015). Para la confiabilidad de las variables latentes se calculó el coeficiente omega (Mcdonald, 1999) con sus respectivos IC (Ventura-León, 2017). Se esperan magnitudes > .80 para los coeficientes α (Merino, Navarro, & García, 2014) y ω (Raykov & Hancock, 2005).
Para evaluar las evidencias de validez convergente y discriminante de la EAEE se llevó a cabo un análisis de correlación bivariada con otras medidas de satisfacción con la vida (SWLS) y depresión (GDS-5) que están teóricamente relacionadas con la autoeficacia (Hobfoll, 2002; Jang, Haley, Small, & Mortimer, 2002; Jopp & Rott, 2006). En este sentido, se calculó los coeficientes de correlación de Pearson (r) y sus respectivos IC utilizando el programa SPSS v.25 y un módulo MS Excel® ad hoc respectivamente (Caycho-Rodríguez, 2017a). Se estimó el tamaño del efecto (TE) de las correlaciones en base al valor del coeficiente r, donde r ≥ .20 expresa un TE mínimo; r ≥ .50 TE moderado y r ≥.80 TE fuerte (Caycho-Rodríguez, 2017a).
Resultados
Estudio 1: Análisis Factorial Exploratorio (AFE)
La Tabla 1 presenta los estadísticos descriptivos para cada uno de los 10 ítems de la EAEE en la Muestra 1. El IHc de todos los ítems es superior al valor mínimo recomendado de 0.30 (Kline, 1999). Asimismo, los promedios más elevados corresponden al ítem 4 (“Creo que seré capaz de ser independiente”) y 6 (“Creo que voy a hacer cosas para prevenir la mayor parte de los problemas de salud”). Por su parte, la media más baja corresponde al ítem 1 (“Cuando surja un problema de salud creo que lo podré resolver”). En relación a la asimetría y la curtosis, todos los valores están dentro del límite +/- 1.5 (Ferrando & Anguiano-Carrasco, 2010; Forero, Maydeu-Olivares, & Gallardo-Pujol, 2009).
Los datos de la Muestra 1 aleatoria se sometieron a un AFE con el objetivo de identificar la posible estructura factorial de la EAEE. En primer lugar, y previo al AFE, se calculó el coeficiente de KMO que tuvo un valor de 0.90, considerado como muy bueno (KMO ≥ 0.80; Costello & Osborne, 2005; Ferrando & Anguiano-Carrasco, 2010). Del mismo modo, el valor de la prueba de esfericidad de Bartlett fue significativa (χ2 = 1057.8, df = 45, p < 0.000. En suma, ambos resultados sugieren que los ítems fueron apropiados para proceder con el análisis factorial (Ferrando & Anguiano-Carrasco, 2010).
Tabla 1 Índice de homogeneidad corregido, desviaciones estándar, asimetría, curtosis, cargas factoriales, h2, α y ω de la Escala de Auto-Eficacia para envejecer (EAEE) en la Muestra 1 (AFE) y Muestra 2(AFC)
| Ítem | Muestra 1 (AFE) n = 199 | Muestra 1 (AFC) n = 201 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| IHc | M | D.E. | g1 | g2 | Carga Factorial | h2 | IHc | M | D.E. | g1 | g2 | Carga Factorial | h2 | |
| Ítem 1 | 0.58 | 2.78 | 0.84 | -.0.33 | -0.42 | 0.62 | 0.33 | 0.58 | 2.77 | 0.82 | -0.13 | -0.61 | 0.61 | 0.37 |
| Ítem 2 | 0.63 | 2.97 | 0.91 | -0.49 | -0.63 | 0.66 | 0.44 | 0.54 | 2.85 | 0.93 | -0.44 | -0.64 | 0.55 | 0.31 |
| Ítem 3 | 0.69 | 2.87 | 0.85 | -0.25 | -0.69 | 0.73 | 0.54 | 0.55 | 2.88 | 0.84 | -0.33 | -0.51 | 0.55 | 0.31 |
| Ítem 4 | 0.69 | 3.00 | 0.83 | -0.53 | -0.29 | 0.74 | 0.54 | 0.50 | 2.85 | 0.82 | -0.31 | -0.45 | 0.53 | 0.28 |
| Ítem 5 | 0.64 | 2.86 | 0.82 | -0.24 | -0.57 | 0.68 | 0.46 | 0.67 | 2.95 | 0.79 | -0.44 | -0.19 | 0.72 | 0.53 |
| Ítem 6 | 0.72 | 3.01 | 0.84 | -0.52 | -0.36 | 0.76 | 0.58 | 0.60 | 2.89 | 0.86 | -0.40 | -0.46 | 0.65 | 0.42 |
| Ítem 7 | 0.72 | 2.98 | 0.87 | -0.46 | -0.66 | 0.76 | 0.58 | 0.65 | 2.83 | 0.89 | -0.32 | -0.69 | 0.71 | 0.49 |
| Ítem 8 | 0.67 | 2.94 | 0.84 | -0.16 | -0.99 | 0.71 | 0.49 | 0.67 | 2.81 | 0.86 | -0.14 | -0.78 | 0.74 | 0.55 |
| Ítem 9 | 0.72 | 2.87 | 0.89 | -0.32 | -0.71 | 0.75 | 0.56 | 0.60 | 2.79 | 0.86 | -0.39 | -0.43 | 0.67 | 0.44 |
| Ítem 10 | 0.68 | 2.91 | 0.93 | -0.56 | -0.54 | 0.72 | 0.52 | 0.71 | 2.79 | 0.89 | -0.21 | -0.78 | 0.78 | 0.60 |
| % varianza | 55.7% | 48.61% | ||||||||||||
| Mardia | 143.732 | 147.863 | ||||||||||||
| α (IC95%) | 0.91 (IC95% 0.88 - 0.93) | 0.88 (IC95%: .84 - .91) | ||||||||||||
| ω | 0.91 (IC95% 0.88 - 0.93) | 0.88 (IC95% .84 - .91) | ||||||||||||
Nota: IHc= Índice de homogeneidad corregido; M= Media; DE= Desviación Estándar; g1 = Asimetría; g2 = Curtosis. Ítem 1 = Cuando surja un problema de salud creo que lo podré resolver; Ítem 2 = Si tengo problemas en mis relaciones con la familia y los amigos seré capaz de superarlos; Ítem 3= Pienso que podré mantener mi rendimiento intelectual como hasta ahora; Ítem 4 = Creo que seré capaz de ser independiente; Ítem 5 = Si mi estado de ánimo sufre altibajos con los años, seré capaz de superarlos; Ítem 6= Creo que voy a hacer cosas para prevenir la mayor parte de los problemas de salud; Ítem 7= Creo que podré resolver los problemas de soledad que puedan surgir; Ítem 8= En el futuro, creo que me podré valer por mí misma/o.; Ítem 9= Si en el futuro aparecen algunos problemas de memoria, creo que podré compensarlos; Ítem 10= Creo que con la edad, podré mantener un buen estado físico.
La extracción y determinación del número de factores se realizó mediante el análisis paralelo (AP) de Horn. Los resultados sugieren la presencia de un único factor con autovalores mayores a los generados por el azar y que explicaba el 55.7% de la varianza total. De igual manera, las comunalidades de los 10 ítems fueron mayores a lo mínimo requerido (h 2 < .30; Costello & Osborne, 2005) para no alterar significativamente los resultados del análisis factorial (Velicer & Fava, 1998). Las cargas factoriales, las comunidades, así como el coeficiente α y ω se muestran en la Tabla 1.
Análisis Factorial Confirmatorio (AFC)
La Tabla 1, presenta también los estadísticos descriptivos de los ítems (media, desviación estándar, asimetría y curtosis) del FLS para la segunda submuestra aleatoria. Los IHc de la totalidad de ítems presentan valores mayores al mínimo recomendado (IHc> 0.30; Kline, 1999). Por su parte, el ítem 5 presenta la media más alta (M = 2.95; DE = 0.79) y el ítem 1 (M = 2.77; DE = 0.82) la menor media. Todos los valores de asimetría y la curtosis se encuentran dentro del rango +/- 1.5 (Ferrando & Anguiano-Carrasco, 2010). El valor del coeficiente de Mardia (1970) no permite cumplir el supuesto de normalidad multivariada, al ser un valor superior a 70, lo que hace necesario atenuar los datos (Rodríguez & Ruiz, 2008).
Se verificó la estructura unidimensional derivada del AFE, donde los diez ítems explicaban un solo factor (Modelo 1). Adicionalmente se evaluaron dos modelos sustentados en la literatura previa: El modelo original de cuatro de factores (Modelo 2: salud, cognitivo, habilidades físicas y funcionales, socio-emocionales) y el de dos factores (Modelo 3) propuesto por Blanco y Salazar (2014). Al comparar los modelos, el Modelo 1, presenta satisfactorios y mejores índices de ajuste (S-Bχ2 = 54.02, df = 345 p = .001; S-Bχ2/df = 1.54; CFI = .97; RMSEA = .052 [IC90% .021, .078]; y SRMR = .049; AIC= 118.96). Además, al comparar el AIC, el Modelo 1 presentaba un menor valor que los otros.
Tabla 2 Índices de bondad de ajuste estadístico del EAEE (n = 201)
| S-Bχ2 (gl)* | S-Bχ2 /gl | SRMR | CFI | RMSEA (IC 90%) | AIC | |
|---|---|---|---|---|---|---|
| Modelo 1 (AFE) | 54.02 (35) | 1.54 | .049 | .97 | .052 (.021, .078) | 118.96 |
| Modelo 2 (original) | 70.900 (29) | 2.45 | .047 | .94 | .085 (.060, .110) | 122.90 |
| Modelo 3 (Costa Rica) | 203.407 (34) | 5.98 | .049 | .91 | .112 (.097, .127) | 245.41 |
Nota: χ2 = Chi cuadrado, gl = Grados de libertad, SRMR = raíz residual estandarizada cuadrática media, RMSEA = Error Cuadrático Medio de Aproximación, CFI = índice de ajuste comparativo, IC = Intervalos de confianza.
Las cargas factoriales estandarizadas (λ) para el Modelo 1 fueron significativas y en la dirección esperada (ítem 1= 0.61; ítem 2= 0.55; ítem 3= 0.55; ítem 4= 0.53; ítem 5= 0.72; ítem 6= 0.65; ítem 7= 0.71; ítem 8= 0.74; ítem 9= 0.67; ítem 10= 0.78), con un λpromedio de 0.65, cercano al .70 requerido (Hair et al., 2014). Asimismo, las correlaciones entre los ítems de la EAEE no son mayores a .90 (no existe multicolinealidad), lo que permite brindar evidencia empírica de validez interna discriminante (Tabachnich, Fidell, & Osterlind, 2001). Estos resultados brindan evidencia empírica para elegir el Modelo 1 como el que mejor representa el constructo AEE.
La confiabilidad para variables latentes (ω = .88 [IC95% .84 - .91]) y las puntuaciones observadas (α = .88 [IC95%: .84 - .91]) presentan los mismos valores (Tabla 1). Los resultados indican una confiabilidad adecuada del modelo unidimensional de la EAEE
validez convergente y discriminante.
Para examinar la validez convergente y discriminante de la EAEE, se calcularon los coeficientes de correlación de Pearson entre las puntuaciones de la EAEE, SWLS y la GDS-5. Como se esperaba, la EAEE se correlacionó negativamente de manera significativa con la GDS-5 (r = -.48, p< .01 [IC95%: -.37, -.73]). Así también, se reportó correlaciones positivas y significativas entre la EAEE y la SWLS (r = .56, p< .01 [IC95%: .46, .79]). Ambas correlaciones presentan un TE pequeño (r ≥ .20) y moderado (r ≥ .50) (Caycho-Rodríguez, 2017a), presentando evidencias de validez convergente y divergente aceptable.
Discusión
El propósito del estudio fue examinar las propiedades psicométricas de la EAEE para su uso en la población adulta mayor del Perú. En este sentido, la EAEE demostró tener buena confiabilidad y evidencias empíricas de validez basada en la estructura interna, validez convergente y discriminante.
Se realizó un AFE y AFC. En el primer caso, se reportó una estructura de un factor con cargas factoriales altas que representan la AEE. Por su parte, el AFC revela adecuados índices de ajuste para el modelo unifactorial. Si bien originalmente se concibió que la EAEE medía cuatro aspectos de la AEE (Fernández-Ballesteros, 2008) y otros estudios apostaban por un modelo bidimensional (Blanco & Salazar, 2014), la evidencia empírica encontrada en el estudio peruano, a partir del AFE y AFC, apoya que los diez ítems de la EAEE forman una sola dimensión. Es importante destacar que, a diferencia de estudios anteriores que han utilizado una aproximación exploratoria, aquí se analiza por primera vez la estructura interna de la EAEE desde una perspectiva confirmatoria en una muestra de AM. Es así que, se contó con las condiciones adecuadas para evaluar el ajuste de los tres modelos propuestos con el objetivo de analizar su pertinencia en esta muestra en particular.
Los coeficientes alfa de Cronbach derivados de los modelos de AFE (0.91 [IC95% 0.88 - 0.93]) y AFC (0.88 [IC95%: .84 - .91]) son consistentes con los valores del coeficiente alfa encontradas por otros autores en España (Fernández-Balllesteros et al., 2008), Costa Rica (Blanco & Salazar, 2014) y Argentina (Pavón & Arias, 2013). Estos resultados proporcionan evidencia de buenos niveles de consistencia interna de la EAEE al ser superiores a lo recomendado (α ˃ 0.80; Merino, Navarro, & García, 2014). De acuerdo con algunas características del coeficiente alfa que limitan su empleo, como la presencia de tau equivalencia y la ausencia de errores correlacionados (Dunn, Baguley, & Brunsden, 2014), se tomó la decisión de calcular adicionalmente el coeficiente Omega (ω; Mcdonald, 1999; Ventura-León & Caycho-Rodríguez, 2017) que está más acorde con los modelos factoriales y brinda una cálculo más preciso de la confiabilidad. El valor de ω corrobora la adecuada confiabilidad del modelo factorial.
En relación a las evidencias de validez convergente y discriminante, y tal como se esperaba, las puntuaciones de la EAEE correlacionaron de manera positiva con la satisfacción con la vida, y negativa con la depresión. En este sentido, los resultados concuerdan con lo reportado en la literatura que considera a las creencias de autoeficacia como un recurso importante para la satisfacción con la vida y que puede influir con éxito en su entorno y el logro de las metas personales (Hobfoll, 2002; Jopp & Rott, 2006). Asimismo, los resultados brindan mayor apoyo empírico a la relación entre la autoeficacia y la depresión en AM. Algunos autores (Jang, et al., 2002) consideran que la autoeficacia es un predictor de la depresión más importante que la presencia de enfermedad física. En esta misma línea, otros estudios (Chou & Chi, 2001; Takaki et al., 2003), consideran que la autoeficacia es una variable moderadora en la relación entre la enfermedad física y la depresión en AM, protegiendo contra los efectos negativos de la enfermedad física. En este sentido, aquellas personas con alta autoeficacia tienden a utilizar mecanismos activos de afrontamiento ante los problemas (Cassidy & Burnside, 1996), además, como resultado de este afrontamiento activo, los ánimos son mayores en presencia de factores estresantes (Ben-Zur, 2002).
El estudio presenta algunas limitaciones que las investigaciones futuras con la EAEE deben tomar en consideración. En primer lugar, los AM del estudio no eran representativos de la totalidad de AM peruanos, debido a que provienen de una única ubicación geográfica y un muestreo no probabilístico. Perú es un país multicultural y multilingüe (Huayhua, 2006), por lo que esta diversidad podría afectar la aplicabilidad de la EAEE. Así, se sugiere que futuras investigaciones seleccionen una muestra heterogénea representativa de todo el país. En segundo lugar, es importante mencionar que el estudio fue transversal, lo que limita las inferencias que podemos hacer sobre la naturaleza y la progresión de la AEE, además de no hacer posible examinar otras propiedades psicométricas importantes, como confiabilidad test-retest e invarianza de medición a través del tiempo. Además, no se controló el sesgo de deseabilidad social que puede afectar la calidad de las respuestas. Así también, no se han realizado análisis de invarianza factorial que es procedimiento necesario al momento de realizar estudios de comparación por género, edad o diferentes contextos culturales (Byrne, 2008; Caycho, 2017). Finalmente, no se han evaluado la sensibilidad, especificidad ni calculado los puntos de corte para una interpretación clínica. Como se mencionó, estudios posteriores podrían centrarse en realizar estos análisis y complementar los resultados aquí presentados.
Examinadas las propiedades psicométricas, y a pesar de las limitaciones, el estudio ha proporcionado nueva evidencia empírica para considerar a la EAEE como una medida potencialmente útil de la AEE en AM peruanos, mostrando una estructura unidimensional con niveles satisfactorios de confiabilidad mediante el método de consistencia interna. Los resultados deberían alentar la inclusión de la EAEE dentro programas de investigación acerca de los predictores de la salud del AM, y su implementación dentro de programas para mejorar el bienestar en esta población.
