Participantes

Participaron de manera voluntaria 806 maestros de nivel básico, medio y superior, de distintos países latinoamericanos (México n=324, Perú n=346, Venezuela n=135), quienes fueron seleccionados con base en un muestreo no aleatorio, guiado por participantes y efectuado mediante gestiones entre diversos centros educativos públicos, carteles públicos e invitación verbal. Todos los participantes firmaron un consentimiento informado y se siguieron plenamente los principios éticos estipulados en la declaración de Helsinki para investigación con seres humanos (Asociación Médica Mundial, 2017). A sabiendas de que el MBI-GS puede ser utilizado en cualquier ocupación, se eligió una muestra ocupacional de docentes porque la homogeneidad en la actividad laboral realizada permite analizar el funcionamiento diferencial entre culturas sin la influencia de la ocupación. El estudio del SB en maestros es importante porque pese a su desempeño en labores y tareas propias del ámbito pedagógico y su mayor vulnerabilidad a los síntomas del burnout (^{Fernet, Guay, Senécal, & Austin, 2012}), las condiciones laborales y el ambiente de trabajo pueden variar de acuerdo a las políticas educativas de los países y del tipo de gestión de la escuela (pública o privada), lo que podría incrementar los niveles de estrés y derivar en dichos síntomas, independientemente del contexto que lo antecede. De esta forma, la tasa de respuesta de los maestros participantes voluntarios que originalmente fueron invitados superó el 80 % en todos los casos. Se procuró respetar al menos una relación ítem/participante de 5:1 como han sugerido algunos autores (de Winter, Dodou & Wieringa, 2009). El perfil sociodemográfico fue similar a la población de profesores en cada región y sin diferencias entre países respecto al sexo (Χ ² = 3.95, gl = 2, p > .10, = .07), y leve diferencia en el estado civil (X ² = 76.49, gl = 8, p < .01, V _Cramer = .21) y la participación en trabajos adicionales (X ² = 46.32, gl = 2, p < .01, V _Cramer = .24). Diferencias moderadamente grandes fueron halladas en el tipo de contratación (tiempo parcial vs. tiempo completo), (X ² = 279.12, gl = 2,p < .01, V _Cramer = .591). Fuertes discrepancias distribucionales se detectaron en el nivel de enseñanza, (X ² = 649.92, gl = 6,p < .01, V _Camer = .63).

Instrumento y metodología de adaptación transcultural

Se adaptó y tradujo al español el MBI-GS© original en inglés bajo la autorización de sus autores y la editorial Mind Garden (^{Maslach, Jackson, & Leiter, 2010}). Dicha versión consta de 16 ítems organizados en tres dimensiones de la siguiente manera: agotamiento emocional (AE) -cinco ítems-, indiferencia (IN) -cinco ítems- y eficacia profesional (EP) -seis ítems-. Estos se valoran en una escala tipo Likert que refleja la frecuencia con la que experimentan la situación que se describe en el ítem y tiene siete grados que oscilan desde 0 (Nunca) hasta 6 (Todos los días).

El proceso de traducción se realizó de acuerdo con las recomendaciones internacionales para la adaptación transcultural de autoinformes (^{Beaton et al., 2000}; ^{Gjersing et al., 2010}): primero, y de acuerdo al procedimiento de traducción-re-traducción (back-translation), se realizó una traducción del inglés al español y luego la re-traducción del español al inglés por separado, por dos especialistas (con lengua materna de acuerdo a la etapa de traducción); se revisaron discrepancias con ayuda de un tercer especialista, hasta ajustarla a una sola versión en español final. En un siguiente paso, dicha versión se canalizó a un comité revisor de expertos de 6 diferentes países latinoamericanos para su revisión y ajuste final, quienes fueron elegidos principalmente por su experiencia en la evaluación de burnout en trabajadores de diferentes contextos. El comité analizó diferencias y similitudes en la comprensión semántica de cada ítem hasta acordar una versión con palabras entendibles en los diferentes contextos y países de cada juez (Chile, Colombia, México, Costa Rica, Perú y Venezuela). Cabe mencionar que de esta versión se realizaron algunos estudios piloto que ya han sido publicados en muestras mexicanas y peruanas (^{Fernández-Arata, Juárez-García, & Merino-Soto, 2015}; ^{Flores, Merino, Camacho, Juárez, & Placencia, 2015}) aunque el presente estudio integra por primera vez la evidencia de todo el proceso de traducción, adaptación y validez psicométrica e invarianza de la escala en las muestras de tres países latinos.

Estrategia de análisis psicométricos

En primer lugar, se evaluaron preliminarmente la calidad de los datos respecto a la aceptabilidad, patrones de sesgo de respuesta y el piso y techo de los ítems. La aceptabilidad fue evaluada cuantitativamente mediante la tasa de respuesta y valores perdidos (^{Menard, Hinds, Jacobs, Cranston, Wang, DeWalt, & Gross, 2014}). Los patrones de sesgo de respuesta se inspeccionaron con la identificación de la respuesta control, debido a que el MBI-GS contiene constructos que sistemáticamente demandan respuestas correlacionadas negativamente, y por lo tanto la elección de la misma opción de respuesta en ítems de constructos linealmente negativos es inesperada (e.g. los ítems de eficacia profesional e indiferencia). Finalmente, el piso y techo se examinaron para describir el potencial de los ítems para diferenciar conductas en determinadas regiones de la distribución de puntajes.

Para examinar el posible funcionamiento diferencial en ítems y estructuras de las escalas se implementaron dos metodologías que examinan la equivalencia de los parámetros de los ítems: el DIF y el MGCFA. En la implementación del primero, el marco analítico fue exploratorio, orientado por la situación inédita e intercultural del posible DIF en la población hispana (^{Walker, 2011}). Además, se consideró el puntaje total de cada subescala como un indicador próximo y suficiente del constructo latente, adicional a que este puntaje es rutinariamente aceptado para su interpretación en la práctica profesional y de investigación. Se analizó tanto el DIF uniforme como el no uniforme para verificar si existía algún tipo de diferencia entre grupos con respecto a la probabilidad de respuestas en cada ítem a lo largo de todos los niveles de los constructos medidos. Dado que la implementación del DIF requiere primero identificar la unidimiensionalidad latente de los ítems, lo cual ayuda a disminuir la inflación del error Tipo I (^{Li, Brooks, & Johanson, 2012}), se verificó la estructura interna del MBI-GS en cada país antes de pasar al examen del DIF entre países. Cabe aclarar que, aunque la escala no es unidimensional, el enfoque de análisis del supuesto se refirió a la unidimensionalidad de los ítems respecto al constructo de cada subescala. De esta forma, la dimensionalidad fue probada mediante el análisis factorial confirmatorio, aplicando la prueba X ² con corrección ^{Satorra y Bentler (1994}; SB-X ²) para atenuar el efecto de la no normalidad de los ítems; la significancia práctica del ajuste se hizo por medio de índices de ajuste, como el CFI (≥ .95) y el RMSEA (≤ .05).

El análisis estructural en cada país también requirió internamente alguna verificación de invarianza dentro de cada país evaluado, por lo que se comprobó la equivalencia de los parámetros de los ítems de acuerdo al sexo, como se señaló previamente, por la importancia de esta variable en el síndrome (^{Purvanova & Muros, 2010}). El problema que se tuvo, fue que el tamaño muestral dentro cada país se caracterizó por ser pequeño; esto fue más evidente en el grupo venezolano (n° mujeres = 83, 63.4%; n° hombres = 48, 36.6%). Para hacer frente a ello, se implementó una metodología no paramétrica basada en DIF con tablas de contingencia, la cual está indicada para situaciones de tamaño muestral no significativo (^{Lai, Teresi, & Gershon, 2005}). Se estableció la hipótesis nula de no DIF mediante la prueba M - X ² (^{Mantel, 1963}) con gl = 1, y la estimación estandarizada de cummulative common log odds ratio de ^{Liu-Agresti (Z _LA-LOR ) (Liu & Agresti, 1996}). En ambos estadísticos se eligió el criterio conservador de p < .01 (M - X ² > 6.63) y Z _LA-LOR >|2.50|, en los que se trató de controlar el error Tipo I en esta fase de la investigación. Cuando se identificó un ítem con DIF, se continuó con la valoración de su significancia práctica por medio del estimador LA-LOR (^{Penfield, 2005}); se identificaron tres niveles: trivial (Z _LA-LOR <0.43), moderado (Z _LA-LOR <0.63) y grande (Z _LA-LOR > 0.64).

Para evaluar la invariancia de medición entre las muestras totales de cada país, se implementó un procedimiento de regresión logística para la detección de DIF (^{Swaminathan, & Rogers, 1990}), aplicado a ítems ordinales (^{Zumbo, 1999}), en el cual se asumió que la variable dependiente (ítem) es subyacente continua. Para su implementación, se ajustaron los datos a tres modelos conteniendo como variables independientes el atributo medido (o puntaje, θ), la membresía del sujeto al grupo (G) y el término de interacción entre θ y G; la variable dependiente es la respuesta al ítem, Z, estandarizada en logits y condicional a las variaciones del atributo. El modelo 1 (MRL₁) corresponde a Z = β _o + β ₁ θ + β ₂ G + β ₃ θ*G, cuyo término de interacción (θ*G) representa la presencia de DIF no uniforme; el siguiente modelo (MRL₂), Z = β _o + β ₁ θ + β ₂ G, introduce el efecto principal de dependencia al grupo (G) como fuente para evaluar el DIF uniforme. Finalmente, se construyó el modelo de ítem sin DIF (MRL₃), Z = β _o + β ₁ θ, que representa la variación de las respuestas al ítem dependiente del atributo medido, es decir, sin DIF. La estrategia de detección de DIF uniforme y no uniforme fue de naturaleza comparativa entre modelos anidados, correspondiente a una secuencia de pasos; el enfoque elegido en el presente estudio fue el de ^{Crane y colaboradores (Crane, Gibbons, Jolley, & Van Belle, 2006}; Crane, Gibbons, Narasimhalu, Lai, & Cella, 2007), debido a que es eficiente e integrativo respecto a la significancia práctica y estadística, y está dentro del marco de una secuencia razonable de pruebas que incluyen el término de interacción como el primer componente que debe verificar. En esta estrategia, primero se evaluó el DIF no-uniforme comparando el -2 log likelihood de los modelos MRL₁ y MRL₂, contra la distribución X2 (gl = 1) en un nivel α = 0.05. Sin embargo, se aplicó la corrección Bonferroni para ajustar este valor a de acuerdo al número de pruebas estadísticas aplicadas (k); eso es, el número de ítems examinados en cada subescala (Crane et al., 2007; Crane, Van Belle, & Larson, 2004). De ese modo, para las subescalas AE, EP e IN, α se ajustó respectivamente en .05/5 = .01, .05/6 = .008, y .05/5 = 0.01; resultados debajo de estos niveles indicarían el rechazo de la hipótesis nula de no diferencia entre MRL₃ y MRL₂, lo cual indica que el modelo con el término de interacción (θ*G) mejora la predicción de la respuesta condicional al ítem. Segundo, se verificó la presencia de DIF uniforme; para ello se computó la diferencia entre los coeficientes beta de los modelos MRL₁ (β _θ ) y MRL₂ (β _G ) (Crane et al., 2007). Un cambio del ≥10% está asociado a la significancia estadística en el nivel α = 0.20, que generalmente confluye en la identificación de variables moderadoras (Crane et al., 2004). Se hizo un análisis de sensibilidad, cambiando el criterio de detección de DIF, de 10 a 1 o 5 % (Crane et al., 2007). Se aplicó un procedimiento iterativo de purificación del criterio del atributo (^{French, & Maller, 2007}), mediante el cual el impacto del DIF individual no podría valorarse en tal nivel, sino en la puntuación de la escala; de este modo, se evaluó el impacto en el nivel de los puntajes, usándolos en las subescalas con y sin los ítems detectados con DIF (^{Teresi, Ramírez, Lai, & Silver, 2008}), para obtener correlaciones lineales de Pearson (r) y de concordancia (ρ _c ), y estimar el error estándar de medición; estas estimaciones sirvieron para compararlos (Teresi, Ramírez, Jones, Choi, & Crane, 2012) y ver su equivalencia.

Como estrategia adicional para confirmar la invarianza del MBI-GS entre los tres países, se aplicó complementariamente MGFCA (^{Byrne, 2008}; Byrne, Shavelson, & Muthén, 1989), con una estrategia secuencial desde un modelo sin restricciones (invarianza configuracional) hacia otros consecutivamente más restringidos (invarianza métrica o de las cargas factoriales, e invarianza escalar o de los interceptos, respectivamente), y la diferencia mínima propuesta por ^{Cheung y Rensvold (2002)} entre CFI (Δ_CFI ≤ .01) Y RMSEA (Δ_RMSEA ≤ .01) para aceptar los modelos de invarianza analizados.

Finalmente, para estimar la consistencia interna, además del coeficiente α, se calculó el coeficiente de a ordinal (α _o), el porcentaje de atenuación y el coeficiente a como indicadores adicionales y procedimientos que se han sugerido recientemente como alternativas más robustas para determinar la consistencia interna (^{Dunn, Baguley, & Brunsden, 2014}).

Análisis preliminar

Los ítems del MBI-GS mostraron excelente aceptabilidad; respectivamente, el 97.4 y el 100 % de los participantes respondieron a todos los ítems. El 2.6 % de sujetos no respondieron entre 1 a 3 ítems del MBI-GS, y estos parecieron distribuirse aleatoriamente. Dado esta baja tasa de valores perdidos y tomando en cuenta el patrón de respuestas de los ítems dentro de la dimensión del ítem imputado, estos fueron reemplazados por la respuesta modal. Por otro lado, la respuesta aquiescente se detectó en tres participantes (de Venezuela) que respondieron a todos los ítems con la opción 0 y un sujeto (de Perú) con la opción 6; estos cuatro sujetos fueron removidos de la base de datos antes de los siguientes análisis.

Análisis descriptivos de los ítems

Las respuestas a los ítems en todos los países alcanzaron el rango completo de respuesta, desde el mínimo (0) hasta máximo valor posible (6). Al observar las respuestas de los sujetos de los países muestreados, en agotamiento emocional (AE) e indiferencia (IN) tienden a concentrarse en los niveles de respuesta 1 (Esporádicamente: Pocas veces al año o menos) y 3 (Regularmente: algunas veces al mes), mientras que en eficacia profesional (EP), alrededor de las opciones 4 (Frecuentemente: una vez por semana) y 5 (Muy frecuentemente: varias veces por semana). También existe aparente similaridad en la dispersión de los ítems. La consistencia y acuerdo del patrón de medias de los ítems en el instrumento fueron altamente similares entre los países (ρ _{c Mex-Pe} = .97, p < .01; ρ _{c Mex-Ven} = .96, p < .01; ρ _{c Pe-Ven} = .98, p < .01), lo que indica la inexistencia de diferencias relevantes en la sintomatología de burnout entre las muestras de los tres países. Como un punto a destacar, vale la pena señalar que el ítem 13 (...not to be bothered) exhibió un comportamiento diferente en todos sus estadísticos univariados del resto de los ítems de su escala (Indiferencia), en las tres muestras estudiadas (tabla 2).

Análisis de invariancia o funcionamiento diferencial del ítem dentro de los países (por sexo)

En la tabla 3 se presentan los resultados del análisis DIF dentro de cada país por sexo. Con los dos métodos aplicados, ninguno de los ítems exhibió DIF uniforme; sin embargo, con la regresión logística (p= ó < 0.05),mostraron DIF no uniforme dos ítems en México (ítem 1 y 4), uno en Venezuela (ítem 2) y otro en Perú (ítem 11). Aplicando el a con ajuste Bonferroni el ítem 4 en México e ítem 2 en Venezuela mantuvieron su estatus de DIF no uniforme. Estos resultados contrastaron con el análisis, usando tablas de contingencia, en que ninguno de los ítems fue detectado con alguna forma de DIF aplicando los criterios elegidos.

Antes de concluir el status de DIF de los ítems 4 (en México) y 2 (en Venezuela), se aplicó el procedimiento de purificación y su impacto en el puntaje de AE. En el grupo de México, se removió el ítem 4 (AE₄) y nuevamente se aplicó RLO y el ajuste Bonferroni; el ítem aun fue detectado como DIF no uniforme (p_ΔLL = .003). En la evaluación de su impacto, se correlacionaron el puntaje AE sin el ítem en cuestión, con los puntajes completos de AE, EP e IN. Primero se halló muy alta convergencia entre AE y AE₄ (r = .98, p < .01, ρ _c = .93, p < .01); con EP e IN, las correlaciones r fueron esencialmente iguales (respectivamente, AE y AE₄, para EP e IN): -.25 y -.24, .59 y .57. Esta similaridad ocurrió también con el error estándar de medición en AE y AE₄, respectivamente: 2.54 (α _Cronbach = .89, DE = 7.67) y 2.59 (α _Cronbach = .86, DE =0B6-12); asi, con respecto al ítem AE₄, se puede concluir un efecto insustancial del DIF. Por otro lado, respecto a los participantes de Venezuela, luego de remover el ítem 2 en el proceso de purificación, y aplicando el ajuste Bonferroni, el ítem dejó de ser identificado con DIF (p_ΔLL = .003). En conjunto, los resultados expuestos sugieren que se puede aceptar la equivalencia de los ítems del MBI-GS entre maestros varones y mujeres dentro de cada país.

Estructura factorial de la invarianza factorial confirmatoria multi-grupo en cada país

Antes del análisis estructural resultó necesario considerar tres antecedentes en relación al ítem 13. La primera es que se ha documentado como el ítem más problemático en traducciones al español (^{Gil Monte, 2002}; ^{Moreno-Jiménez, Rodríguez-Carvajal, & Escobar, 2001}; ^{Salanova & Schaufeli, 2000}), la segunda, que este comportamiento también se confirmó en los estudios preliminares de la adaptación propuesta (Fernández et al., 2015; ^{Flores et al., 2015}) y la tercera, que su tendencia en los estadísticos descriptivos de este estudio se caracterizó por ser bastante diferente al resto (tabla 2). Por lo anterior, primero se verificó su validez en el factor indiferencia antes de incluirlo en el modelamiento final. El ajuste estadístico del modelo MBI-GS, con el ítem 13 incluido, fue en México, SB-Χ2 (GL: 101) = 161.317 (P < .01), CFI = .991, RMSEA = .043 (IC 90 % = .030, .055), SRMR = .055 Y CAIC = -523.225; EN PERÚ, SB-Χ2 (GL: 101) = 264.437 (P < .01), CFI = .967, RMSEA = .069 (IC 90 % = .059, .079), SRMR = .072 Y CAIC = -426.467, Y VENEZUELA, SB-Χ2 (GL: 101) = 58.564 (P > .10), CFI = 1.000, RMSEA = .000 (IC 90 % = .000, .000), SRMR = .087 Y CAIC = -534.831. Comparativamente, este ajuste es solo ligeramente inferior a las estimaciones sin el ítem 13 (tabla 4). No obstante, su baja carga factorial con su constructo (IN) en México (λ = .227), Perú (λ = .007) y Venezuela (λ = -.006), y la baja confiabilidad (α) del puntaje IN con el ítem 13 incluido (respectivamente, .770, .646 y .610), sugieren que es el más débil psicométricamente. El porcentaje de atenuación comparándolo con los coeficientes a finales (tabla 6) fue de 13.4 %, 11.5 % y 18.6 %. Dadas estas evidencias interculturales sobre la falta de validez del ítem 13, este se retiró del análisis factorial dentro de cada país (tabla 4), aunque se decidió probar su funcionamiento diferencial entre países (tabla 5).

Los resultados del análisis estructural en cada país muestran que el ajuste en cada una de las muestras es satisfactorio. En general, este es elevado, y es excepcionalmente óptimo en Venezuela. En este grupo, el modelo muestra ser un inusual resultado de ajuste completo de acuerdo con el CFI y el RMSEA. Aunque el SRMR no estuvo cerca al valor cero, su magnitud no es discrepante con las conclusiones de los índices anteriores. Las cargas factoriales son elevadas (λ > .50) y estadísticamente significativas (Z > 6.0) en cada factor y homogéneas en AE, pero moderadamente inestables en EP e IN. Los datos de México obtuvieron el segundo mejor resultado, pues todos los índices de ajuste fueron satisfactorios; las cargas factoriales fueron estadísticamente significativas (Z > 12.0) y elevadas (λ > .50); la moderada heterogeneidad también se halló en las escalas EP e IN. Finalmente, el grupo de Perú logró también un ajuste satisfactorio, pero fue ligeramente menor comparado con los grupos anteriores. Se observó discrepancia entre el resultado del CFI y RMSEA (este último, > .05), lo que condujo a explorar los índices de modificación para alguna mala especificación trivial o significativa. Se detectó potencial error correlacionado entre los ítems 14 y 15, para evaluar si esta mala especificación tiene significancia práctica, se aplicó el método de ^{Saris, Satorra y van der Veld (2009)} con un mínimo valor de carga significativa no-trivial de .40 y potencia estadística de .80, se halló que esta nueva especificación tiene alta potencia estadística (.92), es significativa en términos prácticos y estadísticos (IC 95%: .43, .66), y es 2.73 más grande que el criterio (.40). Dado este nuevo parámetro únicamente en el grupo peruano, se añadió este error correlacionado. Los índices de ajuste presentados en la tabla 4 son los resultados finales de este análisis.

Análisis de invarianza entre países

Funcionamiento diferencial de ítems. Al examinar la equivalencia entre países mediante los procedimientos DIF (RLO y de tabla de contingencia), esencialmente se halló que la mayoría de los ítems no presentaron ninguna forma de DIF (tabla 5); todos los resultados estuvieron muy por debajo de los criterios de detección. Aunque algunos ítems (2, 14, 15 y 8) en algunas comparaciones entre países fueron inicialmente detectados con DIF no-uniforme en el nivel .05, el ajuste Bonferroni aplicado a estas comparaciones quitó esta identificación. Solo el caso de los ítems 14 y 15 en la comparación México-Perú, permanecieron con DIF luego del ajuste.

Análisis factorial confirmatorio de múltiple grupo. Con el procedimiento MGCFA, en el primer nivel de invarianza (configuracional), el resultado fue aceptable, SB-X2 (gl: 261) = 490.99, CFI = .933, RMSEA = .058 (IC90% = .050, .065). En el siguiente nivel de invarianza (métrica), el resultado también fue aceptable, SB-X2 (gl: 286) = 505.07, CFI = .936, RMSEA = .054 (IC90% = .046, .061) y su diferencia con el nivel anterior fue pequeña (Δ_CFI = -.009; Δ_RMSEA = .002). En el último nivel de invarianza (escalar), los resultados permitieron aceptar la restricción de igualdad de interceptos, SB-X2 (gl: 303) = 561.22, CFI = .941, RMSEA = .057 (IC 90% = .049, .064); Δ_CFI = .005; Δ_RMSEA = .003). En conjunto, los resultados sugieren que la invarianza configuracional, métrica y escalar del MGI-GS se mantiene entre las tres muestras de países latinoamericanos. Asimismo, los ítems detectados con posible funcionamiento diferencial en el análisis anterior (14 y 15 entre Perú y México), no se replicaron en este análisis, y alguna diferencia psicométrica en ellos no mostró impacto sobre los índices de ajuste.

Confiabilidad por consistencia interna

Los coeficientes calculados fueron esencialmente aceptables y se observaron patrones relevantes teóricamente; por ejemplo, los coeficientes α fueron comparativamente bajos, mientras que los coeficientes ω fueron elevados y más estables entre sí. El alfa ordinal (α _o ) produjo atenuación diferentemente en cada país en el puntaje in, mientras que fue similar en AGO y EP. En cada país, la diferencia entre las estimaciones de α y ω -diferencia significativa: Δ ≥ |.06|- (^{Gignac, Bates & Jang, 2007}) fueron consistentemente pequeñas en el puntaje de AGO (Δ ≤ .01) y grandes en el de ep (Δ ≥ .07); en el puntaje in, las diferencias notorias fueron en Perú y Venezuela (Δ ≥ .10).