Resumen
Introducción: El Inventario de Ansiedad Estado-Rasgo (STAI) es un instrumento diseñado para evaluar la ansiedad con dos subescalas: Ansiedad-Estado (STAI-E), entendida como un estado transitorio, y Ansiedad-Rasgo (STAI-R), conceptualizada como un rasgo predisponente a percibir varias situaciones como amenazantes. Objetivo: El objetivo de este estudio fue adaptar el STAI y reportar sus propiedades psicométricas en adultos de Santiago de Chile. Método: Se realizó una adaptación de las escalas con un juicio de expertos. Se administró el STAI a una muestra de 257 adultos de Santiago. Para evaluar la confiabilidad se utilizó alfa de Cronbach y alfa ordinal. Se realizó un Análisis Factorial Confirmatorio (AFC) para determinar la estructura factorial de cada subescala. Resultados: Se muestra alta consistencia interna en ambas escalas. El AFC reveló que, en STAI-E y en STAI-R, el modelo bifactorial fue el que mostró mejor nivel de ajuste, seguido por el modelo de dos factores. Discusión: Se conservan propiedades psicométricas adecuadas del instrumento en la población. Los AFCs muestran evidencia de aspectos multidimensionales en cada subescala. Esto parece ser consecuencia de efectos metodológicos por el uso de ítems invertidos más que la evaluación de dos constructos diferentes, como presencia y ausencia de ansiedad.
Referencias
Asociación Chilena de Seguridad y la Universidad Católica. (2024). Termómetro de la salud mental en Chile ACHS-UC: Novena ronda. https://bit.ly/3JiRcVB
Asún, R. A., Rdz-Navarro, K. y Alvarado, J. M. (2016). Developing multidimensional Likert scales using item factor analysis: The case of four-point items. Sociological Methods & Research, 45(1), 109-133. https://doi.org/10.1177/0049124114566716
Bados, A., Gómez-Benito, J. y Balaguer, G. (2010). The state-trait anxiety inventory, Trait version: Does it really measure anxiety? Journal of Personality Assessment, 92(6), 560–567. https://doi.org/10.1080/00223891.2010.513295
Balsamo, M., Romanelli, R., Innamorati, M., Ciccarese, G., Carlucci, L. y Saggino, A. (2013). The state-trait anxiety inventory: Shadows and lights on its construct validity. Journal of Psychopatholy and Behavioral Assessment, 35, 475–486. https://doi.org/10.1007/s10862-013-9354-5
Bandelow, B. y Michaelis, S. (2015). Epidemiology of anxiety disorders in the 21st century. Dialogues in Clinical Neuroscience, 17(3), 327-335. https://doi.org/gjsh8x
Barlow, D.H. (2002). Anxiety and its disorders: The nature and treatment of anxiety and panic (2a ed). Guilford Press.
Barlow, D. H., Durand, V. M. y Hofmann, S. G. (2018). Abnormal Psychology: An Integrative Approach (8a ed.). Cengage Learning.
Baxter, A. J., Scott, K. M., Ferrari, A. J., Norman, R. E., Vos, T. y Whiteford, H. A. (2014). Challenging the myth of an “epidemic” of common mental disorders: trends in the global prevalence of anxiety and depression between 1990 and 2010. Depression and Anxiety, 31(6), 506-516. https://doi.org/10.1002/da.22230
Bernstein, I.H. y Eveland, D. C. (1982). State vs trait anxiety: A case study in confirmatory factor analysis. Personality and Individual Differences, 3(4), 361–372. https://doi.org/10.1016/0191-8869(82)90002-2
Campo-Arias, A. y Oviedo, H. C. (2008). Propiedades psicométricas de una escala: La consistencia interna. Revista de Salud Pública, 10(5), 831-839. https://doi.org/10.1590/S0124-00642008000500015
Cattell, R. B. y Scheier, I. H. (1961). The meaning and measurement of neuroticism and anxiety. Ronald.
DiStefano, C., Liu, J., Jiang, N. y Shi, D. (2017). Examination of the Weighted Root Mean Square Residual: Evidence for trustworthiness? Structural Equation Modeling: A Multidisciplinary Journal, 25(3), 453–466. https://doi.org/gc7qs7
Dueber, D. M. (2017). Bifactor indices calculator: A Microsoft Excel-based tool to calculate various indices relevant to bifactor CFA models. https://doi.org/10.13023/edp.tool.01
Escobar-Pérez, J. y Cuervo-Martínez, Á. (2008). Validez de contenido y juicio de expertos: Una aproximación a su utilización. Avances en Medición, 6, 27–36.
Espinoza, S. C. y Novoa-Muñoz, F. (2018). Ventajas del alfa ordinal respecto al alfa de Cronbach ilustradas con la encuesta AUDIT-OMS. Revista Panamericana de Salud Pública, 42, e65. https://doi.org/10.26633/RPSP.2018.65
Finney, S., DiStefano, C. y Kopp, J. P. (2016). Overview of estimation methods and preconditions for their application with structural equation modeling. En K. Schweizer y C. DiStefano (Eds.), Principles and methods of test construction: Standards and recent advances (pp. 135–165). Hogrefe Publishing.
Fonseca-Pedrero, E., Paino, M., Sierra-Baigrie, S., Lemos-Giráldez, S., y Muniz, J. (2012). Propiedades psicométricas del «cuestionario de ansiedad estado-rasgo» (STAI) en universitarios. Revista Internacional de Psicología Clínica y de la Salud, 20(3), 547-561. http://www.p3-info.es/PDF/PropiedadespsicomeetricasdelSTAI.pdf
Frías-Navarro, D. (2022). Apuntes de estimación de la fiabilidad de consistencia interna de los ítems de un instrumento de medida. Universidad de Valencia. https://www.uv.es/friasnav/AlfaCronbach.pdf
González-Fraile, E., Domínguez-Panchón, A. I., Fernández-Catalina, P. y Gonçalves-Pereira, M. (2014). The different versions of the state-trait anxiety inventory. Revista de Psiquiatría y Salud Mental (English Edition), 7(3), 151–152. https://doi.org/10.1016/j.rpsmen.2014.06.005
Guillén-Riquelme, A. (2014). Validación de la adaptación española del State-trait Anxiety Inventory en diferentes muestras españolas [Tesis de doctorado, Universidad de Granada]. https://digibug.ugr.es/handle/10481/34045
Guillén-Riquelme, A. y Buela-Casal, G. (2011). Actualización psicométrica y funcionamiento diferencial de los ítems en el State-trait Anxiety Inventory (STAI). Psicothema, 23(3), 510–515. https://bit.ly/4nbqJHk
Guillén-Riquelme, A., y Buela-Casal, G. (2015). Estructura factorial del Cuestionario de Ansiedad Estado-Riesgo (STAI) para pacientes diagnosticados con depresión. Salud Mental, 38(4), 293-298. https://doi.org/10.17711/sm.0185-3325.2015.040
Hu, L. y Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Javaid, S. F., Hashim, I. J., Hashim, M. J., Stip, E., Samad, M. A. y Ahbabi, A. A. (2023). Epidemiology of anxiety disorders: global burden and sociodemographic associations. Middle East Current Psychiatry, 30(1). https://doi.org/10.1186/s43045-023-00315-3
Knowles, K. A. y Olatunji, B. O. (2020). Specificity of trait anxiety in anxiety and depression: Meta-analysis of the state-trait anxiety inventory. Clinical Psychology Review, 82, 101928. https://doi.org/10.1016/j.cpr.2020.101928
Kyriazos, T. A. (2018). Applied psychometrics: Sample size and sample power considerations in factor analysis (EFA, CFA) and SEM in general. Psychology, 9(8), 2207–2230. https://doi.org/10.4236/psych.2018.98126
Lagos-San Martín, N., Hermosilla-Cabrera, V., García-Fernández, J., Palma-Luengo, M., y Ossa-Cornejo, C. (2022). Evaluación de un programa de desarrollo personal para estudiantado chileno de educación secundaria. Revista Electrónica Educare, 26(3), 337-353. https://doi.org/10.15359/ree.26-3.19
MacCallum, R. C., Browne, M. W. y Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130
Mardia, K. V. (1974). Applications of some measures of multivariate skewness and kurtosis intesting normality and robustness studies. Sankhyā: The Indian Journal of Statistics, 36, 115-128.
Matsunaga, M. (2010). How to factor-analyze your data right: Do’s, don’ts, and how-to’s. International Journal of Psychological Research, 3(1), 97–110. https://doi.org/gdvms5
Muthén, L. K. y Muthén, B. O. (1998-2015). Mplus user’s guide. Seventh Edition. Muthén & Muthén.
Ortuño-Sierra, J., García-Velasco, L., Inchausti, F., Debbané, M. y Fonseca-Pedrero, E. (2016). New approaches on the study of the psychometric properties of the STAI. Actas Españolas de Psiquiatría, 44(3), 83–92.
Ponce, F. P., Torres Irribarra, D., Vergés, A. y Arias, V. B. (2023). The ephemeral nature of wording effects. Journal of Personality and Social Psychology, 125(6), 1472–1494. https://doi.org/10.1037/pspp0000471
Posit Team. (2024). RStudio: Integrated Development Environment for R (Version 2023.12.1+402) [Computer software]. Posit Software, PBC. http://www.posit.co/
Pretorius, T. (2021). Over reliance on model fit indices in confirmatory factor analyses may lead to incorrect inferences about bifactor models: A cautionary note. African Journal of Psychological Assessment, 3, a35. https://doi.org/10.4102/ajopa.v3i0.35
Quezada-Scholz, V. E., Laborda, M. A., San Martín, C., Miguez, G., Alfaro, F., Mallea, J., y Díaz, F. (2022). Cued fear conditioning in humans using immersive Virtual Reality. Learning And Motivation, 78, 101803. https://doi.org/10.1016/j.lmot.2022.101803
Reise, S. P. (2012). The rediscovery of bifactor measurement models. Multivariate Behavioral Research, 47, 667–696. https://doi.org/10.1080/00273171.2012.715555
Reise, S. P., Bonifay, W. E. y Haviland, M. G. (2013a). Scoring and modeling psychological measures in the presence of multidimensionality. Journal of Personality Assessment, 95(2), 129-140. https://doi.org/10.1080/00223891.2012.725437
Reise, S. P., Mansolf, M. y Haviland, M. G. (2023). Bifactor measuring models. En R. H. Hoyle (Ed.), Handbook of structural equation modeling (2a ed., pp. 329-348). Guilford Press.
Reise, S. P., Moore, T. M. y Haviland, M. G. (2010). Bifactor models and rotations: exploring the extent to which multidimensional data yield univocal scale scores. Journal of Personality Assessment, 92(6), 544–559.https://doi.org/dhs432
Reise, S. P., Scheines, R., Widaman, K. F. y Haviland, M. G. (2013b). Multidimensionality and structural coefficient bias in structural equation modeling a bifactor perspective. Educational and Psychological Measurement, 73(1), 5-26. https://doi.org/10.1177/0013164412449831
Reyes-Abarca, M. L. (2021). Implementación de una intervención basada en la terapia de aceptación y compromiso para pacientes con dolor crónico adaptada al contexto del CRS Cordillera Oriente [Tesis de maestría]. https://doi.org/10.7764/tesisuc/psi/57948
Rodriguez, A., Reise, S. P. y Haviland, M. G. (2016). Applying bifactor statistical indices in the evaluation of psychological measures. Journal of Personality Assessment, 98(3), 223–237. https://doi.org/10.1080/00223891.2015.1089249
Ropovik, I. (2015). A cautionary note on testing latent variable models. Frontiers in Psychology, 6, 1715. https://doi.org/10.3389/fpsyg.2015.01715
Schermelleh-Engel, K., Moosbrugger, H. y Müller, H. (2003). Evaluating the fit of structural equation models: Tests of significance and descriptive goodness-of-fit measures. Methods of Psychological Research 8(2), 23-74. https://doi.org/10.23668/psycharchives.12784
Stucky, B. D. y Edelen, M. O. (2015). Using hierarchical IRT models to create unidimensional measures from multidimensional data. En S. P. Reise y D. A. Revicki (Eds.), Handbook of item response theory modeling: Applications to typical performance assessment (pp. 183-206). Routledge.
Spielberger, C. D., Gorsuch, R. y Lushene, R. (1970). Manual for the state-trait anxiety inventory. Consulting Psychologist Press.
Spielberger, C. D. y Reheiser, E. C. (2009), Assessment of emotions: Anxiety, anger, depression, and curiosity. Applied Psychology: Health and Well-Being, 1, 271-302. https://doi.org/10.1111/j.1758-0854.2009.01017.x
Thomas, C. L. y Cassady, J. C. (2021). Validation of the state version of the state-trait anxiety inventory in a university sample. SAGE Open, 11(3), 215824402110319. https://doi.org/10.1177/21582440211031900
Vagg, P. R., Spielberger, C. D. y O'Hearn, T. P. (1980). Is the state-trait anxiety inventory multidimensional? Personality and Individual Differences, 1(3), 207–214. https://doi.org/10.1016/0191-8869(80)90052-5
Vautier, S. y Pohl, S. (2009). Do balanced scales assess bipolar constructs? The case of the STAI scales. Psychological Assessment, 21(2), 187–193. https://doi.org/10.1037/a0015312
Vera-Villarroel, P., Celis-Atenas, K., Córdova-Rubio, N., Buela-Casal, G. y Spielberger, C. (2007). Preliminary analysis and normative data of the state-trait anxiety inventory (STAI) in adolescent and adults of Santiago, Chile. Terapia Psicológica, 25(2), 155–162. https://doi.org/10.4067/S0718-48082007000200006
Vigneau, F. y Cormier, S. (2008). The factor structure of the state-trait anxiety inventory: An alternative view. Journal of Personality Assessment, 90(3), 280–285. https://doi.org/10.1080/00223890701885027
Vinet, E. V., Rodríguez-Cancino, M., Sandoval-Dominguez, A., Rojas-Mora, P. y Saiz J. L. (2023). El empleo de test por psicólogos/as chilenos/as: Un inquietante panorama. Psykhe 32(1) 1–19. https://doi.org/10.7764/psykhe.2020.25293
Wirth, R. J. y Edwards, M. C. (2007). Item factor analysis: current approaches and future directions. Psychological Methods, 12(1), 58–79. https://doi.org/10.1037/1082-989X.12.1.58
World Health Organization. (2017). Depression and other common mental disorders: Global health estimates. https://bit.ly/3WdudOO
Zhang, X., Noor, R. y Savalei, V. (2016). Examining the effect of reverse worded items on the factor structure of the need for cognition scale. PLoS ONE, 11(6), e0157795. https://doi.org/10.1371/journal.pone.0157795
Zsido, A. N., Teleki, S. A., Csokasi, K., Rozsa, S. y Bandi, S. A. (2020). Development of the short version of the spielberger state—trait anxiety inventory. Psychiatry Research, 291, 113223. https://doi.org/10.1016/j.psychres.2020.113223