Validación de la escala de resiliencia mexicana en mujeres con cáncer

Melina Miaja Ávila*, José Moral de la Rubia*

CIENCIA UANL / AÑO 20, No. 83, ENERO-MARZO 2017

Resumen

La resiliencia constituye un factor protector en pacientes oncológicos. En México se ha desarrollado una escala para medir el constructo. Los objetivos de esta investigación fueron validar la estructura factorial de la Escala de Resiliencia Mexicana (RESI-M), estimar su consistencia interna y evaluar el nivel medio de resiliencia. A una muestra no probabilística de 120 mujeres con cáncer mexicanas se les aplicó la RESI-M. El modelo original de cinco factores, eliminados dos ítems, mostró índices de ajuste adecuados y buenos. La consistencia interna y la media del puntaje total fueron altas. Se concluye que la escala es válida y consistente.

Palabras clave: resiliencia, cáncer, psicometría, mujer, México.

Abstract

Resilience is a protective factor in cancer patients. In Mexico a scale has been developed to assess this construct. This research aims to, validate the factor structure of the Mexican Resilience Scale (RESI-M), estimate its internal consistency, and assess the average level of resilience. The RESI-M scale was administered to a non-probabilistic sample of 120 Mexican women with cancer. The original model of five-factors, after removing two items, showed signs of adequate and good adjustment. Internal consistency and the total average score was high. We concluded that the scale is valid and consistent.

Keywords: Resilience, cancer, psychometrics woman Mexico.

Rutter (2007) define resiliencia como la habilidad para surgir de la adversidad, adaptarse, recuperarse y acceder a una vida significativa y productiva. La resiliencia se asocia con mayor aceptación de las pérdidas (Bonanno et al., 2002), mayor adaptación a la situación adversa (Quezada, González y Mecott, 2015), menor malestar emocional (Min et al., 2013), mayor locus de control interno, mayor cohesión familiar y afrontamiento adaptativo (Stewart y Yuen, 2011).

Los seres humanos, frente a las pérdidas, muestran emociones negativas e interrupciones menores y transitorias en su capacidad de funcionar, siendo estos fenómenos de menor intensidad en la medida en que las personas poseen mayor resiliencia (Mancini y Bonanno, 2006). Precisamente, en pacientes con cáncer, el ajuste emocional y la capacidad de adaptación a la enfermedad se ha atribuido a características resilientes (Crespo y Rivera, 2012; González, Nieto y Valdez, 2011; Kim y Yoo, 2010). En México, Palomar y Gómez (2010) crearon la Escala de Resiliencia Mexicana (RE-SI-M) de 43 ítems para medir el constructo a partir de dos instrumentos previos estadounidenses. Extrajeron los factores por el método de componentes principales con rotación Varimax, determinando su número por el criterio de Kaiser. Eliminaron todos los ítems con un peso factorial menor que .40, de los 68 ítems iniciales, 43 se mantuvieron. La consistencia interna de los 43 ítems fue alta (α=.93), los cinco componentes explica-ron 43.61% de la varianza total. Los componentes de la escala son:

  • Fortaleza y confianza en sí mismo con una consistencia interna alta (α=.92), integrado por 19 ítems (del ítem 1 al 19).
  • Competencia social con una consistencia interna alta (α=.87), integrado por ocho ítems (20-27).
  • Apoyo social tuvo una consistencia interna alta (α=.84), integrado por cinco ítems (34-38).
  • El cuarto (apoyo social) tuvo una consistencia interna alta (α=.84), integrado por cinco ítems (34-38).
  • Estructura tuvo una consistencia interna alta (α=.79), integrado por cinco ítems (39-43).

En este estudio se empleó una muestra incidental de población general (Palomar y Gómez, 2010). Quezada, González y Mecott (2014), en una muestra incidental de 51 padres, madres y tutoras de pacientes pediátricos con quemaduras, encontraron valores de consistencia interna altos para los cinco factores de la escala RESI-M, de .82 a .93.

La escala RESI-M nunca ha sido validada en una población clínica, como la de mujeres con cáncer, cuando se señala que la resiliencia es un factor relevan-te para una respuesta positiva al tratamiento oncológico (Min et al., 2013; Stewart y Yuen, 2011). Es importante señalar que el número de factores de la RESI-M fue determinado por el criterio de Kaiser (Palomar y Gómez, 2010), cuando los estudios metodológicos de simulación muestran que este criterio es el menos adecuado (Courtney, 2013). Actualmente se recomienda determinar el número de factores por medio de la convergencia de métodos que diferencien entre covarianza sustantiva y forzada, como el de Velicer, que contemplen el error de muestreo, como el análisis paralelo de Horn, y datos de comparación (Courtney, 2013). Asimismo, se recomienda rotar la matriz factorial empleando métodos oblicuos, que proporcionen factores correlacionados, en lugar de usar métodos ortogonales, que proporcionan factores independientes (Lloret et al., 2014).

Para estudiar la validez de la RESI-M en mujeres con cáncer, considerando estas recomendaciones, se definieron como objetivos: 1)  estimar la consistencia interna; 2)  estimar el nivel medio de resiliencia, y describir la distribución de la RESI-M, y 3)  contrastar la estructura de cinco factores para los 43 ítems de la RESI-M. En relación con los tres objetivos planteados se formularon como hipótesis: unos valores de consistencia interna altos (Palomar y Gómez, 2010; Quezada, González y Mecott, 2014), una media alta de resiliencia dentro de una distribución con sesgo hacia las puntuaciones altas  (Crespo y Rivera, 2012; González, Nieto y Valdez, 2011; Kim y Yoo, 2010), y una estructura de cinco factores correlacionados (Palomar y Gómez, 2010).

Método

Participantes

La muestra quedó conformada por 120 mujeres en tratamiento oncológico. La media de edad fue 51.84 años (DE=13.63). La mediana de escolaridad correspondió a secundaria terminada y de ingreso económico familiar mensual correspondió al intervalo de $3,000 a $5,999 pesos mexicanos. La media del tiempo transcurrido desde el diagnóstico de cáncer fue de 1 año y 5 meses (DE = 2.02). Respecto al tipo de cáncer primario, 50% (60) tenían cáncer de mama, 15.8% (19) cervicouterino, 11.7% (14) en el sistema digestivo, 7.5% (9) sarcoma, 5% (6) en riñones, 3.3% (4) en glándulas endocrinas, 2.5% (3) linfomas, 1.7% (2) melanoma, 1.7% (2) leucemias y 0.8% (1) en el cerebro. El 48.3% (58) indicó estar recibiendo radioterapia, 45.8% (55) quimioterapia, 4.2% (5) cirugía y 1.7% (2) tratamiento hormonal.

Instrumentos

La RESI-M consta de 43 ítems directos y cinco factores. El rango de respuesta de los 43 ítems es de cuatro puntos, variando de 1 (“totalmente en desacuerdo”) a 5 (“totalmente de acuerdo”). Las puntuaciones en la escala y los factores se obtienen por suma simple de ítems (Palomar y Gómez, 2010).

Procedimiento

Se solicitó el consentimiento informado para la participación en el estudio, garantizando el anonimato y la confidencialidad. Las participantes que aceptaron formar parte del estudio respondieron por escrito al instrumento en presencia de la entrevistadora. La muestra se recolectó de marzo a octubre de 2013.

Análisis de datos

En relación con el primer objetivo, la consistencia interna se calculó por el coeficiente alfa de Cronbach (α). Se consideraron valores bajos aquellos < .60, adecuado ≥ .60 y altos ≥ .70.

El segundo objetivo de estima el nivel medio de resiliencia, se dividió la media aritmética del puntaje total y de los cinco factores de la RESI-M por sus correspondientes números de ítems, obteniéndose un rango continuo de 1 a 4. A continuación se dividió este rango en cuatro intervalos de amplitud constante para hacer-los corresponder con los cuatro valores discretos de respuesta al ítem e interpretar los valores en correspondencia con las etiquetas de respuesta al ítem: [1, 1.749] → 1 “totalmente en desacuerdo”, [1.75, 2.49] → 2 “en desacuerdo”, [2.5, 3.249] → 3 “de acuerdo” y [3.25, 4] → 4 “totalmente de acuerdo”. Se contrastó la normalidad de las distribuciones por la prueba de Kolmogo-rov-Smirnov-Lilliefors (DKSL).

El tercer objetivo de contrasta el modelo de cinco factores, en primer lugar, se usó análisis factorial exploratorio (AFE). El número de factores se determinó por el criterio de la expectativa (cinco factores), el criterio de Kaiser, la media mínima de las correlaciones parciales al cuadrado (Velicer), análisis paralelo, análisis de coordenadas óptimas y datos de comparación (Courtney, 2013). Los factores se extrajeron por ejes principales, con rotación promax y con cargas mayores que .40. A continuación se usó análisis factorial confirmatorio (AFC) por el método de mínimos cuadrados no ponderados (Valdivieso, 2013). La significación de los parámetros se contrastó por el método de percentiles corregidos de sesgo con la extracción de 500 muestras. Se contemplaron seis índices para valorar el ajuste: la probabilidad por muestreo repetitivo de Bollen y Stine con la extracción de 500 muestras (pBS); el índice de bondad de ajuste (GFI) y su modalidad corregida (AGFI) de Jöreskog y Sörbom; el índice de ajuste relativo (RFI) por el coeficiente rho de Bollen; el índice normado de ajuste (NFI) de Bentler y Bonnet y el residuo estandarizado cuadrático medio (SRMR). Se estipularon como valores de buen ajuste: pBS > .05, GFI, RFI y NFI ≥ .95, AGFI ≥ .90 y SRMR ≤ .05; y como valores aceptables: pBS > .01, GFI, RFI y NFI ≥ .90, AGFI ≥ .85 y SRMR < .10 (Valdivieso, 2013; Arbuckle, 2013). Los cálculos se hicieron con SPSS22, módulo R2.4 para SPSS22 y AMOS22.

Resultados

Consistencia interna, distribuciones y normalidad

El puntaje total de la escala RESI-M y sus cinco factores tuvieron valores de consistencia interna altos, de .82 a .96. La distribución del puntaje total y los cinco facto-res mostraron asimetría negativa y la de los factores de apoyo familiar, apoyo social y estructura presentaron apuntalamiento, no ajustándose ninguna a una distribución normal (véase tabla I).

Nivel de resiliencia

La media del puntaje total de la escala RESI-M divida por 43 (número de ítems) fue de 3.61, lo que queda dentro del cuarto intervalo de puntuaciones continuas [3.25, 4] y corresponde al cuarto valor discreto 4 de respuesta a los ítems (“totalmente de acuerdo”). Igual ocurrió con los cinco factores: fortaleza y confianza en sí mismo (M/19=3.64), competencia social (M/8=3.51), apoyo familiar (M/6=3.66), apoyo social (M/5=3.77) y estructura (M/5=3.44) (véase tabla I).

Estructura factorial

Al extraer cinco factores por ejes principales, conforme con la expectativa, se explicó 61.65% de la varianza total. Al rotar la matriz factorial por el método promax, se configuró un primer factor integrado por 16 ítems, los cuales corresponden al factor esperado de confianza y fortaleza en sí mismo. No obstante, el factor original de confianza y fortaleza en sí mismo está conformado por 19 ítems. El ítem 16 tuvo su saturación más alta y mayor que .40 en el quinto factor. Los ítems 2 y 15, aun-que presentaron sus saturaciones más altas en el primer factor, éstas fueron menores que .40. La consistencia interna de los 16 ítems fue muy buena (α=.93). El segundo componente quedó integrado por los cinco ítems del factor esperado de apoyo social, y su consistencia interna fue muy buena (α=.96). El tercer componente quedó integrado por los seis ítems del factor esperado de apoyo familiar, y su consistencia interna fue muy buena (α=.93). El cuarto componente quedó conforma-do por los ocho ítems del factor esperado de competencia social, y su consistencia interna fue buena (α=.88). El quinto componente quedó integrado por los cinco ítems del factor esperado de estructura y por el ítem 16 (λ=.51). La consistencia interna de los seis ítems, incluyendo el ítem 16 no esperado, fue buena (α=.82). Si se elimina el ítem 16, la consistencia interna no cambia. Las correlaciones entre los cinco componentes variaron de moderadas (r=.42, p < .01) a altas (=.64, p < .01) con una media de .52.

El número de factores fue nueve por el criterio de Kaiser. La media mínima de las correlaciones parciales al cuadrado (Velicer) indicó seis factores con varianza sustantiva. El análisis paralelo y el de coordenadas óptimas convergieron en cuatro factores. El análisis de datos de comparación indicó dos factores. Debe señalarse que, si los análisis se realizan desde la matriz de correlaciones de rangos ordenados de Spearman, estos tres últimos criterios convergen en dos factores.

Se extrajeron dos factores conforme al análisis de datos de comparación, ya sea desde las correlaciones de Pearson o las de Spearman, y al análisis paralelo de Horn y el de coordenadas óptimas desde las correlaciones de Spearman. Al extraer de la matriz de correlaciones de Pearson dos factores por el método de ejes principales, se explicó 45.31% de la varianza total. Al rotar la matriz factorial por el método promax, el primer factor quedó configurado por treinta ítems (ítems: del 3 al 27 y del 39 al 43), su consistencia interna fue muy buena (α=.94) y se puede interpretar como recursos internos de resiliencia. El segundo componente quedó integrado por los once ítems que corresponden a los factores originales de apoyo familiar y social (ítems: del 28 al 38) y su consistencia interna también fue muy buena (α=.94). Este factor se puede interpretar como recursos externos o ambientales de resiliencia. La correlación entre los dos factores fue alta (r=.60, p < .01).

Inicialmente se contrastó por AFC el modelo original de cinco factores correlacionados (5F_ori). Todos los parámetros fueron significativos. Valores de λ ≥ .50 se consideraron cargas altas y correlaciones ≥ .80 como excesivas para diferenciar los factores. Los ítems 1 y 2 tuvieron cargas menores que .50. Las cargas factores variaron de .36 a .96 con una media de .72. Las correlaciones entre los cinco factores variaron de .39 a .75 con una media de .57. Sólo la correlación entre fortaleza y confianza en sí mismo y competencia social fue mayor que .70. La bondad de ajuste se rechazó por la probabilidad de muestreo repetitivo de Bollen-Stine (p < .01), pero los demás índices de ajuste variaron de buenos (GFI, AGFI, NFI y RFI ≥ .95) a adecuado (SRMR < .10) (véase tabla II).

También se contrastó el modelo de cinco factores arrojado por AFC, eliminando los ítems 2 y 15, y especificando el ítem 16 como indicador del factor de fortaleza y confianza en sí mismo y del factor de estructura (5F_rev). Al observarse que el ítem 1 persistía con una carga menor que .50, pero no así el ítem 15, y que el ítem 16 tenía una carga de .53 en el factor esperado de fortaleza y confianza en sí mismo y de .41 en el factor de estructura, se optó por eliminar los ítems 1 y 2 del modelo original (5F_rev2). Ambos ítems eran indica-dores del factor de fortaleza y confianza en sí mismo, por lo que este factor quedó reducido a 17 indicadores con una consistencia interna muy alta (α=.93). Todos los parámetros del modelo revisado de cinco factores fueron significativos. Las cargas factores variaron de .51 a .96 con una media de .74. Las correlaciones entre los cinco factores variaron de .39 a .75 con una media de .57. Sólo la correlación entre fortaleza y confianza en sí mismo y competencia social fue mayor que .70. La bondad de ajuste se mantuvo por la probabilidad de muestreo repetitivo de Bollen-Stine con un intervalo de confianza de 99% (p = .02) y los demás índices de ajuste variaron de buenos (GFI, AGFI, NFI y RFI > .95) a adecuado (SRMR < .10) (véase tabla II).

Finalmente se contrastó el modelo de dos factores correlacionados sin los ítems 1 y 2 (2F). Todos los parámetros fueron significativos (p < .01). Las cargas factores variaron de .46 a .91 con una media de .66. Los ítems 41 y 17 presentaron cargas menores que .50. La correlación entre los dos factores fue alta (r=.65, p < .01). La bondad de ajuste se rechazó por la probabilidad de muestreo repetitivo de Bollen-Stine (p < .01), pero los demás índices de ajuste variaron de adecuados (NFI y RFI > .90 y SRMR < .10) a bueno (AGFI ≥ .90). Si se asumiera normalidad multivariada, por la prueba de la diferencia de los estadístico chi-cuadrado, la bondad de ajuste sería significativamente peor que la del modelo revisado de cinco factores correlacionados (Δχ2[9, N =120] = 47.05, p < .01) (véase tabla II).

Discusión

Con respecto al primer objetivo de describir el nivel medio de resiliencia, los resultados muestran que las pacientes se adaptaron adecuadamente a la enfermedad, debido a que reportaron un nivel promedio alto en los cinco factores de la escala RESI-M. Al compararlo con otros estudios de pacientes adultos oncológicos, se hallaron resultados similares (Crespo y Rivera, 2012; Pentz, 2005; Strauss et al., 2007). En niños y adolescentes mexicanos con cáncer y en sus madres, González et al. (2011), también encontraron niveles de resiliencia de moderados a altos, al igual que Kim y Yoo en niños estadounidenses (Kim y Yoo, 2010).

Con respecto al segundo objetivo, se confirmó la expectativa. Como en el estudio de Quezada et al. (2014), todos los factores tuvieron consistencia interna alta o muy alta, incluyendo el factor de estructura, el cual tuvo una consistencia interna aceptable en el estudio de Palomar y Gómez (2010). Así, parece que en población clínica la consistencia interna es mayor que en población general. Se reporta un nivel de resiliencia alto de forma muy consistente a lo largo de las distintas preguntas. Probablemente se deba a la situación de estar enfrentando de forma activa una situación real de pérdida, cuando para muchos de los participantes de población general es una situación potencial. Esto lo remarca el hecho de que las distribuciones se sesgan hacia los valores altos de conformidad con los rasgos resilientes.

Con respecto al tercer objetivo de estudiar el modelo factorial subyacente, se confirmaron los resultados de Palomar y Gómez (2010) con respecto a la configuración de los cinco factores en el análisis factorial exploratorio, fijando el número de factores por el criterio de la expectativa. No obstante, este número de cinco factores no fue sugerido por ninguno de los criterios matemáticos recomendados para la determinación del número de factores. La convergencia más clara se produjo en dos factores, usando los criterios que consideran el error de muestreo (datos de compa-ración y análisis paralelo) y el punto de inflexión de la curva de sedimentación (coordenadas óptimas), especialmente en la matriz de correlaciones de Spearman. En la presente muestra las correlaciones de Spearman infraestimaban la relación lineal con una media de cinco centésimas en comparación con las de Pearson, de ahí la elección de las correlaciones de Pearson. Debe señalarse que se constató que los resultados fueran totalmente convergentes, ya fuera que se ejecuten desde la matriz de correlaciones de Pearson o desde la matriz de correlaciones de Spearman.

Cabría preguntarse si cinco es un número excesivo y no justificable de factores. Un análisis que asegura la existencia de varianza compartida es el de Velicer y éste señaló seis factores, por lo que sí se puede defender que al extraer cinco factores existe varianza compartida. Si se eliminan los dos primeros ítems de la escala, el modelo de cinco factores presenta bondad de ajuste, todas sus cargas mayores que .50, sus factores claramente diferenciables, siendo la varianza compartida más alta de 56%, entre los factores de fortaleza y confianza y competencia social, y su parsimonia es muy alta. Unido a que es reproducible por un método de exploración factorial, esto es un método que des-compone la varianza común y específica en cada ítem (Lloret et al., 2014), como es el método de ejes principales, se puede decir que se confirma la expectativa de estructura factorial. Debe señalarse que, en la presente muestra, la configuración de los cinco factores esperados es reproducible por otros métodos de extracción de factores que no requieren normalidad multivariada, como mínimos cuadrados ponderados y factorización alfa (Lloret et al., 2014).

Los factores del modelo bifactorial presentan una interpretación significativa, un número alto de indica-dores, una consistencia interna muy alta y una diferenciación clara con una varianza compartida de 36% en el AFE y 42% en el AFC. Un factor se re¿ere a aspectos o recursos internos de resiliencia y otro factor con el recurso externo del apoyo de los demás. De igual for-ma, su bondad de ajuste se mantuvo por los índices de ajuste absolutos (SRMR, GFI y AGFI) y relativos (NFI y RFI) recomendados para el contraste por ULS (Arbuckle, 2013), que es el método adecuado para ítems con una escala de medida ordinal que no presentan nor-malidad mutivariada (Lloret et al., 2014; Valdivieso, 2013). No obstante, el ajuste se rechaza por la prueba de muestreo repetitivo y hay ítems con cargas menores que .50 en el AFC. Además, si se asumiera normalidad multivariada, la prueba de la diferencia de los estadísticos chi-cuadrado indicaría un mejor ajuste del factor de cinco factores sin los dos primeros ítems, también ausentes en el modelo bifactorial.

Cabe preguntarse por qué el ítem 1 (“lo que me ha ocurrido en el pasado me hace sentir confianza para enfrentar nuevos retos”) y el ítem 2 (“sé dónde buscar ayuda”) presentan problemas de consistencia interna en esta muestra de mujeres con cáncer en tratamiento oncológico. A diferencia de los 17 ítems restantes que configuran el factor de fortaleza y confianza no se centran en el dominio del yo o sí mismo en el presente o el futuro, sino que el primero hace referencia al pasa-do (en el cual no se padecía cáncer) y el segundo hace referencia al mundo exterior. De ahí que se considera justificada la eliminación de estos dos ítems del factor y de la escala.

Como limitación del estudio, debe señalarse el empleo de una muestra no probabilística de mujeres con cáncer bajo tratamiento oncológico, por lo que los resultados deben manejarse como hipótesis para futuras investigaciones en esta población y otras afines. Se podría cuestionar el uso de correlaciones de Pearson que infraestiman la relación lineal entre variables ordinales, cuando se recomienda el uso de correlaciones policóricas (Lloret et al., 2014). No obstante, ante un tamaño de muestra menor que 300, se indica que la mejor opción es la correlación de Pearson por la inestabilidad de la estimación de las correlaciones policóricas (Lloret et al., 2014).

En conclusión, la consistencia interna de la escala y los cinco factores de la RESI-M fue buena o muy buena. Las distribuciones de la escala y los factores se sesgaron hacia las puntuaciones altas de resiliencia y, consecuentemente, los niveles promedio fueron altos, como en estudios clínicos previos con otros instrumentos que miden resiliencia. El modelo original de cinco factores correlacionados de Palomar y Gómez (2010) fue reproducible por AFE y sus factores fueron claramente discernibles; además, este modelo mostró bondad de ajuste, especialmente al eliminar los dos primeros ítems de la escala. En el modelo de cinco factores cabe una estructura alterna de dos factores correlacionados con consistencia interna muy alta: recursos internos de resiliencia y recursos externos de apoyo. Este modelo factorial fue sugerido por las técnicas más efectivas para determinar el número de factores. La bondad de ajuste del modelo bifactorial, sin los dos primeros ítems de la escala, se sostuvo por los cinco índices absolutos y relativos de ajuste contemplados en el estudio, aunque fue inferior al modelo de cinco factores.

En futuros estudios se sugiere realizar la validación cruzada de los modelos de cinco y dos factores entre ambos sexos, y en otras poblaciones de pacientes con enfermedades crónicas; asimismo, resta estimar la estabilidad temporal de la escala, sus ítems y factores.

*Universidad Nacional Autónoma de México.

Contacto: miajaam.live.com.mx

 

Referencias

Arbuckle, J.L. (2013). IBM SPSS Amos 22 User’s gui-de. Chicago, IL: Amos Development Corporation.

Bonanno, G.A., et al. (2002). Resilience to loss and chronic grief: A prospective study from preloss to 18-months postloss. Journal of Personality and Social Psychology, 83(5), 1150-1164. Doi: 10.1037/0022-3514.83.5.1150.

Courtney, M.G.R. (2013). Determining the number of factors to retain in EFA: using the SPSS R-Menu v2.0 to make more judicious estimations. Practical Assessment, Research & Evaluation, 18(8), 1-13. Disponible en http://pareonline.net/getvn.asp?-v=18&n=8

Crespo, L., y Rivera, M.L. (2012). El poder de la resiliencia generado por el cáncer de mama en mujeres de Puerto Rico. Revista Puertorriqueña de Psicología, 23(1), 109-126.

González A. N.I., Nieto, D., y Valdez, J.L. (2011). Resiliencia en madres e hijos con cáncer. Psicooncología, 8(1), 113-123. doi:10.5209/rev_PSIC.2011.v8.n1.9

Kim, D.H., y Yoo, I.Y. (2010). Factors associated with resilience of school age children with cancer. Journal of Paediatrics and Child Health, 46(8), 431-436. Doi: 10.1111/j.1440-1754.2010.01749.x

Lloret, S., et al. (2014). El análisis factorial explora-torio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. doi:10.6018/analesps.30.3.199361

Mancini, A.D., y Bonanno, G.A. (2006). Resilience in the face of potential trauma: Clinical practices and illustrations. Journal of Clinical Psychology, 62(8), 971-985. Doi: 10.1002/jclp.20283

Min, J.A., et al. (2013). Psychological resilience con-tributes to low emotional distress in cancer patients. Supportive Care in Cancer, 21(9), 2469-2476. Doi: 10.1007/s00520-013-1807-6

Palomar, J., y Gómez, N E. (2010). Desarrollo de una escala de medición de la resiliencia con mexicanos (RESI-M). Interdisciplinaria, 27(1), 7-22.

Pentz, M. (2005). Resilience among older adults with cancer and the importance of social support and spirituality-faith. Journal of Gerontological Social Work, 44(3), 3-22. Doi: 10.1300/J083v44n03_02

Quezada, L.C., González, M.T., y Mecott, G.A.(2014). Resiliencia en pacientes pediátricos sobrevivientes de quemaduras. Acta de Investigación en Psicología, 4(2), 1469-1480. Doi: 10.1016/S2007-4719(14)70395-3

Quezada, L.C., González, M.T., y Mecott, G.A.(2015). Predictores de síntomas del TEPT en cuidadores de pacientes pediátricos sobrevivientes de que-maduras. Summa Psicológica, 12(2), 107-114. doi:10.18774/summa-vol12.num2-262

Rutter, M. (2007). Resilience, competence and co-ping. Child Abuse and Neglect, 31(3), 205-209. doi:10.1016/j.chiabu.2007.02.001

Stewart, D.E., y Yuen, T. (2011). A systematic review of resilience in the physically ill. Psychosomatics, 52(3), 199-209. doi:10.1016/j.psym.2011.01.036

Strauss, B., et al. (2007). The inÀuence of resilience on fatigue in cancer patients undergoing radiation the-rapy (RT). Journal of Cancer Research and Clinical Oncology, 133(8), 511-518. Doi: 10.1007/s00432-007-0195-z

Valdivieso, C.E. (2013). Efecto de los métodos de estimación en las modelaciones de estructuras de covarianzas sobre un modelo estructural de evaluación del servicio. Comunicaciones en Estadística, 6(1), 21-44.

Quezada, L.C., González, M.T., y Mecott, G.A.(2014). Resiliencia en pacientes pediátricos sobrevivientes de quemaduras. Acta de Investigación en Psicología, 4(2), 1469-1480. Doi: 10.1016/S2007-4719(14)70395-3

Quezada, L.C., González, M.T., y Mecott, G.A.(2015). Predictores de síntomas del TEPT en cuidadores de pacientes pediátricos sobrevivientes de quemaduras. Summa Psicológica, 12(2), 107-114. doi:10.18774/summa-vol12.num2-262

Rutter, M. (2007). Resilience, competence and co-ping. Child Abuse and Neglect, 31(3), 205-209. doi:10.1016/j.chiabu.2007.02.001

Stewart, D.E., y Yuen, T. (2011). A systematic review of resilience in the physically ill. Psychosomatics, 52(3), 199-209. doi:10.1016/j.psym.2011.01.036

Strauss, B., et al. (2007). The inÀuence of resilience on fatigue in cancer patients undergoing radiation therapy (RT). Journal of Cancer Research and Clinical Oncology, 133(8), 511-518. Doi: 10.1007/s00432-007-0195-z

Valdivieso, C.E. (2013). Efecto de los métodos de estimación en las modelaciones de estructuras de covarianzas sobre un modelo estructural de evaluación del servicio. Comunicaciones en Estadística, 6(1), 21-44.

RECIBIDO: 18-08-2016

ACEPTADO: 05-09-2016