Participantes

Se recolectaron dos muestras no probabilísticas incidentales. La MPG quedó integrada por 256 participantes y la MCO por 249. Los criterios de inclusión para la MPG fueron dar el consentimiento informado, edad de 18 años o mayor, saber leer y escribir, residir en Monterrey y su área metropolitana, y para la MCO se añadió solicitar atención periodontal o tratamiento dental profiláctico en una clínica universitaria. Los criterios de exclusión fueron ser menor de edad, analfabetismo y problemas de atención y comprensión. El criterio de eliminación fue dejar al menos un dato incompleto en el OHIP-14-PD.

Instrumentos

Perfil de Impacto de Salud Oral aplicado a la enfermedad periodontal (OHIP-14-PD) de ^{Rodríguez y Moral (2017)}. Fue adaptado a partir del OHIP-14 de ^{Slade (1997)} y la traducción de ^{López y Baelum (2006)}, enfocando las preguntas a la enfermedad periodontal. El OHIP-14 consta de 14 ítems distribuidos en siete factores: limitación funcional (ítems 1 y 2), dolor físico (ítems 3 y 4), malestar psicológico (ítems 5 y 6), incapacidad física (ítems 7 y 8), incapacidad psicológica (ítems 9 y 10), incapacidad social (ítems 11 y 12) y minusvalía (ítems 13 y 14). Las preguntas se responden bajo un formato tipo Likert con cinco categorías ordenadas: 0 = nunca, 1 = casi nunca, 2 = ocasionalmente, 3 = frecuentemente y 4 = casi siempre. La puntuación total del OHIP-14-PD se obtiene por la suma directa de los 14 ítems y tiene un rango de 0 a 56 (^{Slade, 1997}). Véase Anexo.

Procedimiento

Los participantes de la MPG respondieron el cuestionario en su domicilio particular o lugar de trabajo, fueron elegidos por conveniencia o proximidad. Los participantes de la MCO respondieron al momento de la consulta odontológica, fueron elegidos en orden de llegada a la clínica universitaria a la que acudían por padecer signos y síntomas de la enfermedad periodontal (54.2%) o por tratamiento dental profiláctico (45.8%). Se invitó a los participantes y se les explicó en qué consistía el estudio, se solicitó la firma del consentimiento informado y se respetó la confidencialidad de la información. El estudio fue aprobado por el Comité de Bioética de la Secretaria de Salud (DEISC-19-01-16-16) y en la elaboración del presente manuscrito se respetó los principios del ^{Singapore Statement on Research Integrity (2010)}. Los datos se recabaron de octubre de 2015 a marzo de 2016.

Análisis de datos

En el AFE, la extracción de factores se realizó por el método de Mínimos Cuadrados Ponderados. Se rotó la matriz factorial por el método oblicuo Promax. Cada ítem se asignó al factor en el que presentase su carga en la matriz estructural más alta y mayor que .40 (^{Lloret, Ferreres, Hernández y Tomás, 2014}). Para determinar el número de factores se contemplaron seis criterios, calculados desde la matriz de correlaciones policóricas: análisis paralelo de Horn (percentil 95), coordenadas óptimas, media mínima de las correlaciones parciales al cuadrado o a la cuarta potencia (criterio de Velicer), factor de aceleración y autovalores mayores que uno (criterio de Kaiser).

Con los ítems asignados a cada factor se calculó la consistencia interna por el coeficiente alfa ordinal, la varianza media extraída (VME) por la media aritmética de los cuadrados de las cargas de la matriz estructural, así como la confiabilidad compuesta (CC) por el coeficiente omega de McDonald, usando las cargas de la matriz estructural. Un coeficiente α ordinal < .50 refleja una consistencia interna inaceptable, de .50 a .599 muy baja, de .60 a .699 baja, de .70 a .799 aceptable, de .80 a .899 alta y ≥ .90 muy alta. La combinación de una VME > .50 y una CC > .70 o una VME > .45 y CC > .80 se tomó como criterio de validez convergente (^{Garson, 2016}). Usando el criterio de Fornell-Larcker, se consideró que dos factores presentan validez discriminante cuando el cuadrado de la correlación entre dos factores (varianza compartida) es mayor que la VME de cada factor y menor que dos tercios (VME < r² < .667) (^{Farrell, 2010}). Usando el criterio del cociente de las correlaciones heterorasgo-monorasgo (CHRMR), se consideró que cuando el cociente entre la media aritmética de las correlaciones cruzadas entre los ítems de los dos factores y la media geométrica de las dos medias aritméticas de las correlaciones de los ítems de cada factor es menor que .85 hay validez discriminante (^{Henseler, Ringle y Sarstedt, 2015}).

En el AFC unigrupo y multigrupo, se minimizó la función de discrepancia por el método de Mínimos Cuadrados Libres de Escala. Los errores estándar de los parámetros se estimaron y su significación se contrastó por el método de percentiles corregidos de sesgo, usando remuestreo paramétrico con la extracción de 2000 muestras. Se usó un intervalo de confianza del 95% y un nivel de significación bilateral de .05. Valores de correlación (r) y carga factorial (λ) < .30 se interpretaron como fuerza de la asociación o tamaño del efecto pequeño, entre .30 y .499 medio, entre .50 y .699 grande, entre .70 y .899 muy grande y ≥ .90 unitario (^{Ellis, 2010}).

Se contemplaron seis índices de ajuste: chi-cuadrada relativa (χ²/gl), residuo estandarizado cuadrático medio (SRMS), índice de bondad de ajuste (GFI) de Jöreskog y Sörbom y su modalidad corregida (AGFI), índice normado de ajuste (NFI) de Bentler y Bonett e índice relativo de ajuste (RFI) por el coeficiente rho de Bollen. Se estipularon como valores de buen ajuste: χ²/gl ≤ 2, SRMS < .08, GFI ≥ .95, AGFI ≥ .90, NFI ≥ .95 y RFI ≥ .95; como valores de ajuste adecuado: χ²/gl ≤ 3, SRMS < .10, GFI ≥ .90, AGFI ≥ .85, NFI ≥ .90 y RFI ≥ .90 (^{Byrne, 2016}). Se estimó la parsimonia del modelo por el índice (PR) de James, Mulaik y Brett. Se interpretaron valores de PR ≥ .75 como parsimonia alta, ≥ .50 media, ≥ .25 baja y < .25 muy baja (^{Preacher, 2006}).

En el análisis multigrupo se definieron cuatro modelos anidados en restricciones (misma estimación del parámetro para ambas muestras): sin restricciones (SR), con restricciones en los pesos de medida (RPM), en las varianzas-covarianzas (RVC) y en las varianzas de los residuos de medida (RRM). Se consideró que la bondad de ajuste entre dos modelos anidados es equivalente cuando el cociente entre la diferencia de sus estadísticos chi y la diferencia de sus grados de libertad es menor o igual que 5 (Δχ²/Δgl ≤ 5) y las diferencias en los índices GFI, NFI e IFI son menores o iguales que .01 (^{Byrne, 2016}). Los análisis se hicieron con SPSS22, menú R2.4 para SPSS22, AMOS16 y Excel 2007.

Descripción de las muestras

En el Cuadro 1 se presentan los datos sociodemográficos de los 505 participantes de la muestra total (MT), los 256 de la MPG y los 249 de la MCO (véase Cuadro 1).

AFE y AFC en la MT

El número de factores por el análisis paralelo de Horn y coordenadas óptimas fue dos. Por el criterio de la media mínima de las correlaciones parciales al cuadrado y a la cuarta potencia y el de Kaiser fue tres. Por el factor de aceleración fue uno.

Al extraer un factor, se explicó el 50.3% de la varianza total. El factor tuvo una consistencia interna muy alta (α ordinal = .931) y validez convergente (VME = .503 y CC = .933) (véase Cuadro 2).

En el AFC, el ajuste del modelo de un factor fue bueno por cinco índices, pero malo por uno. El factor tuvo validez convergente (VME = .502 y CC = .933). Al liberar la correlación entre los residuos de los ítems 5 y 6, se logró un ajuste bueno por cinco índices y adecuado por uno y el factor conservó su validez convergente (VME = .499 y CC = .931) (véase Cuadro 3 y Figura 1).

Figura 1 Modelo unifactorial con correlación entre los residuos de los ítems 5 y 6 en MT. 

Al extraer dos factores, se explicó el 56.9% de la varianza total. El primer factor quedó configurado por ocho indicadores (ítems 2, 8, 9, 10, 11, 12, 13 y 14), por su contenido se denominó impacto psicosocial, tuvo una consistencia interna muy alta (α ordinal = .925) y validez convergente (VME_IPS = .616 y CC_IPS = .927). El segundo factor quedó constituido por seis indicadores (ítems 1, 3, 4, 5, 6 y 7), por su contenido se denominó impacto físico, tuvo una consistencia interna alta (α ordinal = .838) y validez convergente (VME_IF = .480 y CC_IF = .844). Por el criterio de las correlaciones heterorasgo/monorasgo hubo validez discriminante (CHRMR = 0.812 < 0.85), pero no por el de Fornell-Lacker (VME_IF = .480 < r² _IPS,IF = .534) (véase Cuadro 2).

El ítem 2 cargó más en el factor de impacto psicosocial que en el factor de impacto físico. No obstante, se esperaría que el ítem 2 sobre la dificultad para masticar por movilidad y cambio de posición de los dientes saturase en el factor de impacto físico. Al considerar que las saturaciones del ítem 2 fueron muy semejantes y altas en ambos factores (véase Cuadro 2) y por coherencia interpretativa, el factor de impacto físico se amplió a siete indicadores (ítems del 1 al 7) y el de impacto psicosocial se redujo a siete indicadores (ítems del 8 al 14). En el AFC, el factor de impacto presentó consistencia interna (α ordinal = .859) y validez convergente (VME_IF = .470 y CC_IF = .860). El factor de impacto psicosocial tuvo una consistencia interna muy alta (α ordinal = .923) y validez convergente (VME_IPS = .639 y CC_IPS = .924). Ambos factores tuvieron validez divergente por el criterio de las correlaciones multirasgo-monorasgo (CHRMR = 0.814 < 0.85), pero no por el criterio de Fornell-Lacker (VME_IF = .470 y VME_IPS = .639 < r² = .671 > .667). El ajuste fue bueno por cinco índices y adecuado por uno (véase Cuadro 4). Al introducir la correlación entre los residuos de medida de los ítems 5 y 6, la bondad de ajuste fue buena por los seis índices (véase Cuadro 4 y Figura 2).

Figura 2 Modelo de dos factores correlacionados derivado del AFE con correlación entre los residuos de los ítems 5 y 6 en MT. 

Al extraer tres factores, se explicó el 63.2% de la varianza total. El primer factor quedó conformado por ocho indicadores (ítems 2, 8, 9, 10, 11, 12, 13 y 14), por su contenido se denominó impacto psicosocial, tuvo una consistencia interna muy alta (α ordinal = .924) y validez convergente (VME_IPS = .623 y CC_IPS = .927). El segundo factor quedó conformado por dos indicadores (ítems 5 y 6), siguiendo a ^{Slade (1997)} se denominó discapacidad física, tuvo una consistencia interna alta (α ordinal = .883) y validez convergente (VME_DF = .787 y CC_DF = .880). El tercer factor quedó configurado por cuatro indicadores (ítems 1, 3, 4 y 7), por su contenido se denominó impacto físico, tuvo consistencia interna aceptable (α ordinal = .798) y validez convergente (VME_IF = .527 y CC_IF = .812). Por el criterio de Fornell-Lacker hubo validez discriminante (VME_IPS = .623 y VME_DF = .787 > r² _IPS,DF = .276 < .667; VME_IF = .527 y VME_DF = .787 > r² _IF,DF = .292 < .667), salvo entre los factores de impacto físico y psicosocial (VME_IF = .527 < r² _IF,IPS = .530). Por el criterio de las correlaciones heterorasgo/monorasgo los tres factores fueron discriminantes entre sí (CHRMR_IF,DF = 0.634, CHRMR_IF,IPS = 0.776 y CHRMR_DF,IPS = 0.636 < 0.85) (véase Cuadro 2).

Como en el modelo bifactorial las saturaciones del ítem 2 fueron muy semejantes y altas en los factores de impacto físico y psicosocial (véase Cuadro 2) y por coherencia de contenido, el factor de impacto físico se amplió a cinco indicadores (ítems del 1 al 4 y 7) y el de impacto psicosocial se redujo a siete indicadores (ítems del 8 al 14). La consistencia interna del factor impacto psicosocial fue muy alta (α ordinal = .923) y la de los factores de impacto físico y discapacidad física fue alta (α ordinal = .831 y .883, respectivamente). Los tres factores tuvieron validez convergente (VME_IF = .504 y CC_IF = .833; VME_IPS = .639 y CC_IPS = .924; VME_DF = .791 y CC_DF = .883) y discriminante por el criterio de las correlaciones heterorasgo/monorasgo (CHRMR_IF,DF = 0.644, CHRMR_IF,IPS = 0.788 y CHRMR_DF,IPS = 0.627 < 0.85). Por el criterio de Fornell-Lacker, hubo validez discriminante entre la discapacidad física y el impacto físico (VME_IF = .504 y VME_DF = .791 > r² _IF,DF = .411 < .667) y el impacto psicosocial (VME_IPS = .639 y VME_DF = .791 > r² _IPS,DF = .399 < .667), pero no entre el impacto físico y psicosocial (VME_IF = .504 < r² _IPS,IF = .626). El ajuste fue por los seis índices (véase Cuadro 5 y Figura 3).

Figura 3 Modelo de tres factores correlacionados derivado del AFE en MT. 

Análisis multigrupo

En primer lugar se analizan los tres modelos derivados del AFE y a continuación los modelos de ^{Silveira et al. (2014)}, ^{Zucoloto et al. (2014)}, ^{Montero et al. (2010)} y ^{Brennan y Spencer (2004)}. Los modelos de ^{Mello dos Santos et al. (2013)} y ^{Moral y Rodríguez (2007a},^b) coincidieron con el unifactorial derivado del AFE.

Modelo de un factor

El ajuste del modelo de un factor con la correlación entre los residuos de los ítems 5 y 6 sin restricciones fue bueno por los seis índices. Al restringir los pesos de medida, el ajuste fue bueno por cuatro índices y adecuado por dos, pero empeoró con respecto al modelo anterior (Δχ²/Δgl = 129.563/13 = 9.966, ΔNFI = .012 y ΔRFI = .010). Los pesos de medida de ambas muestras estimados con intervalos de confianza del 95% se solaparon. Al restringir adicionalmente la varianza estructural (del factor general), el ajuste fue adecuado por tres índices y malo por tres. Empeoró con respecto al modelo anterior (Δχ²/Δgl = 836.412/1 = 836.412, ΔNFI = .076 y ΔRFI = .083). La varianza del factor fue significativamente mayor en la MCO (S ² = 0.576 [0.446, 0.735]) que en la MPG (S ² = 0.307 [0.249 0.380]). Al restringir adicionalmente las varianzas de los residuos de medida, el ajuste fue adecuado por tres índices y malo por tres. También empeoró con respecto al modelo anterior (Δχ²/Δgl = 244.882/14 = 17.492, ΔNFI = .022 y ΔRFI = .013). Las varianzas de los residuos fueron mayores en la MCO que en la MPG, pero las dos correlaciones entre residuos resultaron equivalentes con un intervalo de confianza del 95% (r = .674 [.600, .736] en MPG y .679 [.602, .740] en MCO) (véase Cuadro 3). Las propiedades de invarianza fueron peores en el modelo de un factor con todos los residuos independientes (véase Cuadro 3).

Modelo de dos factores derivado del AFE

Al definir al factor de impacto físico con siete indicadores (ítems del 1 a 7) y al de impacto psicosocial con siete (ítems del 8 al 14) y liberar la correlación entre los ítems 5 y 6, se lograron las mejores propiedades de invarianza. El ajuste del modelo sin restricciones fue bueno por los seis índices, al igual que el modelo con restricciones en los pesos de medida, teniendo mayor bondad de ajuste el primero (Δχ²/Δgl = 100.753/12 = 8.396, ΔNFI = .009 y ΔRFI = .008).

Al restringir adicionalmente la varianza de los dos factores y su covarianza, el ajuste fue adecuado por dos índices y malo por cuatro, y empeoró con respecto al modelo anterior (Δχ²/Δgl = 887.586/3 = 295.862, ΔNFI = .081 y ΔRFI = .087). Al restringir adicionalmente las varianzas de los residuos de medida, el ajuste fue bueno por un índice, adecuado por dos y malo por tres, y también empeoró con respecto al modelo anterior (Δχ²/Δgl = 244.882/14 = 17.492, ΔNFI = .022 y ΔRFI = .013), sólo mejorando en el valor de SRMR. Las varianzas de los factores y los residuos fueron mayores en la MCO que en la MPG, pero la correlación entre los dos factores fue equivalente con un intervalo de confianza del 95%, al igual que los pesos de medida (véase Cuadro 4).

El problema de validez discriminante del análisis unigrupo en la MT, se presentó en el contraste multigrupo en los cuatro modelos jerarquizados de dos factores, variando la correlación entre ambos factores de .797 a .811 en el modelo sin la corrección y de .811 a .833 en el modelo con la corrección.

Modelo de tres factores correlacionados derivado del AFE

La falta de validez discriminante entre impacto psicosocial y físico del análisis unigrupo en la MT también se observó en los cuatro modelos jerarquizados en el contraste multigrupo. El ajuste del modelo sin restricciones fue bueno por los seis índices, al igual que el modelo con restricciones en los pesos de medida, teniendo mayor bondad de ajuste el primero (Δχ²/Δgl = 101.454/11 = 9.223, ΔNFI = .009 y ΔRFI = .009). Al restringir adicionalmente las varianzas de los tres factores y sus covarianzas, el ajuste fue adecuado por dos índices y malo por cuatro, y empeoró con respecto al modelo anterior (Δχ²/Δgl = 891.437/6 = 148.573, ΔNFI = .081 y ΔRFI = .088). Al restringir adicionalmente las varianzas de los residuos de medida, el ajuste fue bueno por un índice, adecuado por dos y malo por tres, y también empeoró con respecto al modelo anterior (Δχ²/Δgl = 244.882/14 = 17.492, ΔNFI = .022 y ΔRFI = .013), salvo en SRMR. Las varianzas de los factores y los residuos fueron mayores en la MCO que en la MPG, pero los pesos de medida y las correlaciones entre los tres factores fueron equivalentes con un intervalo de confianza del 95% (véase Cuadro 5).

Modelo de ^{Silveira et al. (2014)}

Los factores de discapacidad física, psicológica y social tuvieron una consistencia interna alta (α ordinal de .881 a .892). No obstante, el factor de limitación funcional, dolor físico y minusvalía tuvieron una consistencia interna baja (α ordinal de .627 a .682) y el factor de malestar psicológico tuvo una consistencia interna inaceptable en las tres muestras (α ordinal = .524). Hubo problemas de validez discriminante por el criterio de las correlaciones heterorasgo/monorasgo. Seis de las 21 comparaciones no tuvieron validez discriminante. El modelo presentó una solución inadmisible en el contraste unigrupo en la MT y en el contraste multigrupo. Se reespecificó como un modelo de siete factores correlacionados, pero nuevamente las soluciones fueron inadmisibles.

Modelo de ^{Zucoloto et al. (2014)}

También las soluciones fueron inadmisibles en el modelo jerarquizado de ^{Zucoloto et al. (2014)}. Aparte las correlaciones entre los tres factores de orden superior variaron de muy altas (> .80) a unitarias (≥ .90), evidenciando falta de validez discriminante. Como modelo alternativo se especificó uno de tres factores correlacionados: impacto físico (ítems 1, 2, 3, 4, 5 y 6]), impacto psicosocial (ítems 7, 8, 9 y 10) e impacto social (ítems 11, 12, 13 y 14). El factor de impacto físico (IF) tuvo una consistencia interna alta (α ordinal = .833) y mostró una validez convergente (VME_IF = .470 y CC_IF = .840), pero careció de validez discriminante con respecto al factor de impacto psicosocial (r² _IFyIP = .778) e impacto social (r² _IFyIS =.632). El factor de impacto psicosocial (IP) tuvo una consistencia interna aceptable (α ordinal = .796), tuvo validez convergente (VME_IP = .570 y CC_IP = .839), aunque careció de validez discriminante con respecto a los otros dos factores (r² _IPyIF = .778 y r² _{IPy IS} =.794). El factor de impacto social tuvo una consistencia interna alta (α ordinal = .873), mostró validez convergente (VME_IS = .691 y CC_IS = .898) y validez discriminante con respecto al factor de impacto físico (VME = .691 > r² _ISyIF = .632), pero no con respecto al impacto psicosocial (r² _ISyIP =.794). Por los criterios de Fornell-Lacker y de las correlaciones heterorasgo/monorasgo, el factor impacto psicológico no mostró validez discriminante con respecto al de impacto físico (VME_IP = .570 y VME_IF = .470 < r² _IPyIF = .778 > .667; CHRMR = 0.895 > 0.85) ni social (VME_IP = .570 y VME_IS = .691 < r² _IPyIS =.794 > .667; HRMR = .908 > 0.85). Los factores de impacto físico y social tuvieron validez discriminante por el criterio de las correlaciones heterorasgo/monorasgo (HRMR = 0.794), pero no por el de Fornell-Lacker (VME_IF = .470 < r² _IFyIS =.632).

En el contraste unigrupo en la MT, el ajuste del modelo fue bueno por cuatro índices, adecuado por uno y malo por uno (véanse Figura 4 y Cuadro 6). En el contraste multigrupo de las correlaciones también apareció el problema de validez discriminante entre los factores. El ajuste del modelo sin restricciones fue bueno por cinco índices y adecuado por uno. Al restringir los pesos de medida, el ajuste fue bueno por cuatro índices y adecuado por dos, con una bondad de ajuste equivalente al modelo anterior (Δχ²/Δgl = 41.165/11 = 3.742, ΔNFI = .004 y ΔRFI = .002). Al restringir adicionalmente las varianzas de los tres factores y sus covarianzas, el ajuste fue adecuado por dos índices y malo por cuatro, y empeoró con respecto al modelo anterior (Δχ²/Δgl = 948.182/6 = 158.030, ΔNFI = .086 y ΔRFI = .094). Al restringir adicionalmente las varianzas de los residuos de medida, el ajuste fue adecuado por dos índices y malo por cuatro, y también empeoró con respecto al modelo anterior (Δχ²/Δgl = 244.882/14 = 17.492, ΔNFI = .022 y ΔRFI = .013). Las varianzas de los factores y los residuos fueron mayores en la MCO que en la MPG, pero los pesos de medida y las correlaciones entre los tres factores fueron equivalentes con un intervalo de confianza del 95% (véase Cuadro 6).

Figura 4 Modelo reespecificado de ^{Zucoloto et al. (2014)} estimado en la muestra total. 

Modelo de ^{Montero et al. (2010)}

La consistencia interna del factor de impacto psicosocial fue muy alta (α ordinal = .916), la de malestar/dolor aceptable (ordinal = .721) y la de limitación funcional baja (α ordinal = .682). Por el criterio de las correlaciones heterorasgo/monorasgo, los factores de limitación funcional e impacto psicosocial mostraron validez discriminante (CHRMR = 0.876), pero el de dolor/malestar físico careció de validez discriminante con respecto al de limitación funcional (CHRMR = 0.991) y al de impacto psicosocial (CHRMR = 0.938). El modelo de ^{Montero et al. (2010)} tuvo una solución inadmisible tanto en el contraste unigrupo en la MT como en el contraste multigrupo.

Modelo de ^{Brennan y Spencer (2004)}

La correlación entre los dos factores fue unitaria (r = .987 [.961, 1.013] en MT y .971 [.923, 1.001] en MPG y 1.003 [.967, 1.039] en MCO en el modelo sin restricciones), careciendo el modelo bifactorial de validez discriminante (CHRMR > 1) y la solución fue inadmisible en el contraste multigrupo por la correlación fuera de rango en el modelo sin restricciones y con restricciones en los pesos de medida en la MCO.