Calidad de Vida de Investigación 11: 193-205, 2002.

193
2002 Kluwer Academic Publishers. Impreso en los Países Bajos.

La valoración del estado de salud y los instrumentos de calidad de vida: Los atributos y criterios de revisión

Scientific Comité Asesor de la Medical Outcomes Confianza 1 ( E-mail: klohr@rti.org )

Aceptada en el Formulario 8 de enero de revisada de 2002

Resumen

El campo de la salud y la calidad de la medición de la vida (CdV) - como una disciplina formal con un marco teórico coherente, métodos aceptados, y diversas aplicaciones - ha ido

evolucionando durante la mayor parte de los 30 años. Para identificar el estado de salud y calidad de vida instrumentos y revisarlos con criterios rigurosos como un precursor de la creación

de una biblioteca de instrumentos de difusión más tarde, el Medical Outcomes Confianza en 1994 creó una Cientí fi funcionar independientemente c Comité Asesor (SAC). A mediados de la

década de 1990, el SAC de fi ne un conjunto de atributos y criterios para llevar a cabo las evaluaciones de instrumentos; 5 años más tarde, actualizado y revisado estos materiales para tener

en cuenta las teorías de expansión y tecnologías sobre las que se están desarrollando este tipo de instrumentos. Este diario O ff ers conceptualización del SAC actual de ocho atributos clave

del estado de salud y los instrumentos de calidad de vida (es decir, modelo conceptual y de medición; fiabilidad, validez, capacidad de respuesta; interpretabilidad; encuestado y la carga

administrativa; formas alternas; y adaptaciones culturales y de lenguaje) y los criterios por el cual los instrumentos se revisarán en cada uno de esos atributos. Éstas son las pautas para el

campo a considerar y el debate sugirieron; de técnicas de medición se hacen tanto más familiar y más sofisticado, esperamos que los expertos desean actualizar y refinar estos criterios en

consecuencia. y adaptaciones culturales y de lenguaje) y los criterios por los cuales se revisarán los instrumentos en cada uno de esos atributos. Éstas son las pautas para el campo a

considerar y el debate sugirieron; de técnicas de medición se hacen tanto más familiar y más sofisticado, esperamos que los expertos desean actualizar y refinar estos criterios en

consecuencia. y adaptaciones culturales y de lenguaje) y los criterios por los cuales se revisarán los instrumentos en cada uno de esos atributos. Éstas son las pautas para el campo a

considerar y el debate sugirieron; de técnicas de medición se hacen tanto más familiar y más sofisticado, esperamos que los expertos desean actualizar y refinar estos criterios en

consecuencia.

palabras clave: El estado de salud, la teoría de respuesta al ítem, Medición, Calidad de vida, fiabilidad, capacidad de respuesta, Validez

Introducción HESIVE marco teórico, métodos aceptados, y diversas aplicaciones

El campo de la evaluación de la salud
El campo de la salud y la calidad de la medición de la vida (CdV) -
como una disciplina formal con un co-
1 Neil Aaronson, PhD, del Instituto del Cáncer de Holanda, Ámsterdam; Jordi Alonso,
MD, Instituto Municipal de Investigación Médica (IMIS-IMAS), Barcelona, ​España;
Audrey Burnam, PhD, la RAND Corporation, Santa Mónica, CA; Kathleen N. Lohr,
PhD, RTI International, Research Triangle Park, Carolina del Norte, y el Programa
sobre la Salud, Universidad de Carolina del Norte en Chapel Hill; Donald L. Patrick,
PhD, MSPH, Departamento de Servicios de Salud, Universidad de Washington,
Seattle; Edward Perrin, PhD, del Departamento de Servicios de Salud, Universidad de
Washington, Seattle, Ruth EK Stein, MD Albert Einstein College of Medicine / hospital
en Monte mineral de ficción para niños, Bronx, Nueva York.
- ha ido evolucionando durante la mayor parte de los 30 años. Se
ha caracterizado por la proliferación de los instrumentos que varían
ampliamente en sus métodos de desarrollo, el contenido, la
amplitud de uso, y la calidad. Ha crecido y madurado a través de
los correos ff Orts de los desarrolladores individuales de
instrumentos y equipos de investigadores, apoyado en los
momentos cruciales de las organizaciones filantrópicas privadas y
del sector público (gobierno) agencias en particular en América del
Norte, el Reino Unido y varios países europeos. Una importante
fuente adicional de soporte para el campo ha sido la industria
farmacéutica en ambos lados del Atlántico.
Añadiendo a esta mezcla de investigación y aplicación han sido
muchos desarrollos constructivos: creación de diversos institutos y
centros que desarrollan
194
nuevos instrumentos, traducir y adaptar culturalmente los instrumentos
existentes, y facilitar la investigación entre académicos, médicos y
organizaciones de atención de la salud; surgimiento de una sociedad
profesional dedicada explícitamente a la promoción de este campo (la
Sociedad Internacional para la calidad de vida de investigación
[ISOQOL]); convocatoria de numerosos coloquios internacionales y
convenciones sobre los métodos y problemas en la evaluación de la
calidad relacionada con la salud de la vida; la producción de numerosas
compilaciones de instrumentos de evaluación y cuestionarios para
medir el estado de salud, el funcionamiento y los conceptos
relacionados; y publicación de al menos una revista cuyo contenido
básico se refiere a la medición de la calidad de vida (es decir, Quality of
Life Research).
Hoy en día, el campo es ahora ampliamente internacional, y sus
líderes están a la vanguardia de la aplicación de las teorías
tradicionales y modernas y métodos de la salud, la psicología y
campos relacionados con la creación y validación de tales
instrumentos. Esta heterogeneidad induce debate sumamente
productivo y útil y los avances metodológicos, y para los expertos
en el campo, esta diversidad es aceptable y, de hecho, la
bienvenida.
El Medical Outcomes Trust y su la Ciencia Comité Asesor (SAC)
Esta compleja mezcla de organizaciones sin ánimo de lucro fi t,
investigadores académicos, organismos del sector público, y fi rma
comerciales tiene, por supuesto, perseguido hay un conjunto único de
objetivos. En 1992, sin embargo, la Confianza de resultados médicos
se incorporó con la misión de promover la ciencia y la aplicación de la
evaluación de resultados, con un énfasis particular en la ampliación
de la disponibilidad y utilización de cuestionarios de
auto-administrados o entrevistador diseñados para evaluar la salud y
los resultados de cuidado de la salud desde un punto de vista de los
pacientes. Para lograr esta misión, la confianza se comprometió a
identificar este tipo de instrumentos, ponerlas en una librería de
instrumentos, y difundirlas (junto con las guías de los usuarios
apropiados y materiales relacionados) a todas las personas con un
interés y necesidad de ellos.
En desarrollo de esta tarea, en 1994 la confianza creó una
Scientific Comité Asesor (SAC) - una entidad que opera de forma
independiente encargado de revisar los instrumentos y la
evaluación de su idoneidad para la amplia distribución por el
fideicomiso. los
SAC determinó que, para cumplir con sus responsabilidades, sería
necesario establecer algunos principios y criterios, así como los
procedimientos, por lo que sería adquirir, revisión y hará
evaluaciones sobre los instrumentos que vinieron a su atención o
para someterse a la confianza.
criterios de revisión de instrumentos
Así pues, el SAC se dedicó a para definir un conjunto de atributos y
criterios para llevar a cabo las evaluaciones de instrumentos y, después
de la revisión externa por pares y revisiones, publicado y difundido el
primer conjunto de sus "criterios de revisión del instrumento en 1996
(Evaluación de la calidad de vida y instrumentos de evaluación del
estado de salud: Desarrollo de criterios de revisión científica c Clin Ther
1996; 18 (5):. 979-992). Ellos fueron re-publicados en el Monitor, una
publicación de la confianza, en marzo de 1997; un conjunto filial de
criterios relativos únicamente a la evaluación de las traducciones y
adaptaciones culturales de instrumentos fue publicada en el Boletín, una
publicación hermana de confianza, en julio de 1997.
Dentro del enfoque y criterios SAC, el instrumento término se refiere
a la constelación de artículos contenidos en cuestionarios y programas
de entrevistas junto con sus instrucciones a los encuestados, los
procedimientos para la administración, puntuación, interpretación de los
resultados, y otros materiales que se encuentran en un manual del
usuario. Utilizamos atribuye el término para indicar las categorías de
propiedades o características de los instrumentos que merecen una
consideración aparte, independiente de evaluación. Dentro de los
atributos, se especifica lo denotamos como criterios, que se entienden
comúnmente como condiciones o hechos utilizados como un estándar
por el cual algo puede ser juzgado o considerado. Consideramos que
los criterios como la prescripción de las fi diseñadores de instrumentos
de información específicos deben estar preparados para proporcionar
alrededor de aspectos particulares de cada atributo.
En general, hemos utilizado estos criterios para revisar los
instrumentos desarrollados en las adaptaciones culturales y de
lenguaje basado en la versión en idioma Inglés del instrumento
dado Inglés y, pero pueden y se han utilizado para examinar los
instrumentos desarrollados en otros idiomas también. Las
aplicamos a los instrumentos que miden los dominios del estado de
salud y calidad de vida (CdV) en ambos grupos e individuos.
Aunque creemos que los criterios se aplican a la clase
'individualizado' de las medidas

(Tales como la periodicidad de la evaluación de la calidad de vida
individual [SEIQoL]) que no tienen elementos estandarizados a través
de los encuestados, todavía no hemos tenido experiencia de la
aplicación de estos criterios con tales medidas.
criterios de revisión de instrumentos revisado
Allí estaban las cosas durante unos 2 años, ya que el SAC aplicó su
conjunto original de los criterios de revisión de instrumentos a los
instrumentos presentados desde los Estados Unidos, el Reino Unido,
Canadá y varios países europeos como parte de las actividades de
fideicomiso más grandes. Cada vez más, sin embargo, el SAC se
encontró con dos problemas. Una de ellas fue que los desarrolladores
encuentran a veces los documentos que describen el culto criterios di fi
aplicar a su situación particular; el otro era que los criterios son menos
aplicables a los instrumentos desarrollados de acuerdo con los
principios de la teoría moderna de la prueba a los instrumentos creados
de acuerdo con las normas psicométricas clásicas.
Así, en el transcurso del uso de los criterios iniciales establecidos
durante varios años, se determinó que se requiere revisión y
ampliación para hacer frente a los avances en la ciencia de la
psicometría y aplicar a una gama más amplia de instrumentos. Aparte
del hecho de que más instrumentos se están desarrollando en
principios distintos teoría clásica de los tests, nos dimos cuenta de que
la posibilidad de aplicar los mismos conceptos de evaluación para otros
tipos de instrumentos, como los inspectores o los instrumentos
mediante los cuales los consumidores podrían calificar su satisfacción
con cuidado de la salud y los planes, también es deseable.
Para abordar estas preocupaciones, se realizó revisar los criterios
siguiendo el mismo proceso tal como se utiliza inicialmente.
Específicamente, se determinó que queremos mantener la estructura
básica de los criterios establecidos, sino ampliar la definición y los
criterios especí fi cos para reflejar modernos principios y métodos de la
teoría de prueba. También hemos renovado la presentación de los
criterios, principalmente para dejar en claro la distinción entre la
descripción o definición de un atributo específico (por ejemplo, la
fiabilidad o la carga de los encuestados) y las piezas especí fi cos de la
información que creemos que los desarrolladores deben tratar de
proporcionar alrededor de ese atributo. Antes de la publicación de estos
criterios revisados, solicitamos la revisión por pares fuera de seis
revisores en los Estados Unidos, el Reino Unido y Dinamarca (véase
Agradecimientos) y revisó el documento en consecuencia.
195
Tenemos tres objetivos en mente en la difusión de estos criterios. En
primer lugar, esperamos mejorar la apreciación de la evaluación de los
resultados de salud entre un público tan amplio como sea posible y para
impulsar aún más la discusión y el debate acerca de la mejora continua
en este campo. En segundo lugar, queremos proporcionar una plantilla
en la que los demás se establecen para evaluar los materiales o sistemas
(por ejemplo, la medición del rendimiento o los sistemas de vigilancia en
el ámbito de la atención qualityof) podría llevar a cabo de manera similar
a exponer sus criterios de evaluación clara y abierta. En tercer lugar,
nuestro objetivo es documentar el proceso y los criterios utilizados por el
SAC en el contexto de la misión de la confianza.
Atributos y criterios
Ocho atributos han servido como principales focos de SAC opinión
instrumento y son el núcleo de este trabajo. Son:
1 Modelo conceptual y medición
2. Fiabilidad
3. Validez
4. Capacidad de respuesta
5. Interpretabilidad
6. demandado y la carga administrativa
7. Las formas alternativas
8. adaptaciones culturales e idioma (traducciones)
Dentro de estos atributos, establecimos criterios de revisión fi
cas que se basan en las normas existentes y las prácticas en las
ciencias y los resultados de salud campos de comportamiento en
evolución. Estos criterios, que son directrices generales, re fl
principios y prácticas de la teoría clásica de los tests y moderno ect.
La Tabla 1 resume los atributos y criterios principales para cada
atributo. En general, nuestros criterios de revisión se han diseñado
principalmente para el estado de salud y calidad de vida per fi l;
reconocemos que, por diversas medidas de utilidad o preferencia,
sin embargo, otros atributos y criterios pueden ser apropiados. (Al
final de este artículo, los lectores podrán encontrar una selección
bibliográfica de textos y artículos que proporcionan la base
conceptual y empírica para estos atributos y criterios seminales;
Se revisan los instrumentos en el contexto de 11 solicitudes
documentadas:
196
Tabla 1. Atributos y criterios para la revisión de los instrumentos *
Atributo
1. Modelo conceptual y medición de los fundamentos y la descripción del
concepto y las poblaciones que una medida está destinada a evaluar y la
relación entre estos conceptos.
2. Fiabilidad
El grado en que un instrumento está libre de error aleatorio. - Métodos para recolectar datos de fiabilidad
Consistencia interna
La precisión de una escala, basada en la homogeneidad
(correlaciones) de los ítems de la escala en un momento dado en el tiempo.
reproducibilidad
La estabilidad de un instrumento a través del tiempo (test-retest) y el acuerdo entre los
calificadores en un momento dado en el tiempo.
3. Validez
El grado en que el instrumento mide lo que pretende medir.
Contenido relacionado con: evidencia de que el dominio de un instrumento es adecuado
en relación con su uso previsto.
Construir-relacionados: evidencia que apoya una interpretación propuesta de las
puntuaciones basadas en implicaciones teóricas asociados con las
construcciones que se mide.
Criterio relacionados con: evidencia que muestra la medida en que las puntuaciones del
instrumento están relacionadas con una medida de criterio.
4. Capacidad de respuesta
La capacidad de un instrumento para detectar cambios en el tiempo.
5. Interpretabilidad
El grado en que se puede asignar fácilmente entendido
es decir, con las puntuaciones cuantitativas de un instrumento.
6. Carga
El tiempo, e ff ORT, y otras demandas colocado en aquellos a los que se administra el
instrumento (carga de los encuestados) o en los que administran el instrumento (carga
administrativa).
criterios de revisión
- Concepto que se desea medir
- Bases conceptuales y empíricos para el contenido del artículo y combinaciones
- la participación de la población objetivo en la derivación de contenido
- La información sobre la dimensionalidad y el carácter distintivo de las escalas
- La evidencia de variabilidad a escala
- nivel prevista de medición
- Justificación para derivar puntuaciones de la escala
Consistencia interna
- estimaciones de la fiabilidad y los errores estándar para todos los elementos de prueba de
puntuación (clásica) o error estándar de la media a lo largo del rango de escala y fiabilidad marginal
de cada escala (moderna IRT)
- Datos para el cálculo de la fiabilidad coe fi cientes o cálculos reales de coe fi cientes fiabilidad del Consejo de
Europa
- los datos anteriores para cada población de mayor interés, si es necesario
reproducibilidad
- Los métodos empleados para recoger los datos de reproducibilidad
- justificación bien argumentado para apoyar el diseño del estudio y el intervalo entre la
primera y la posterior administración a apoyar la hipótesis de que la población es estable
- La información sobre la fiabilidad test-retest y entre los calificadores fiabilidad basado en coe fi
cientes de correlación intraclase coe
- Información sobre la comparabilidad de las estimaciones de los parámetros del artículo y en la
precisión de medición sobre las administraciones repetidas
- Razón fundamental el apoyo a la mezcla particular de la evidencia presentada para los usos
previstos
- Descripción clara de los métodos empleados para recopilar datos de validez
- Composición de la muestra utilizado para examinar la validez (en detalle)
- los datos anteriores para cada población de mayor interés
- Hipótesis probadas y los datos relativos a las pruebas
- Clara justificación y apoyo a la elección de las medidas de criterios
- La evidencia sobre los cambios en las puntuaciones del instrumento
- Los datos longitudinales que comparan un grupo que se espera que cambie con un grupo que
se espera que se mantenga estable
- Población (s) en el que la capacidad de respuesta ha sido probado, incluyendo los intervalos de
tiempo de evaluación, las intervenciones o medidas que intervienen en la evaluación del
cambio, y las poblaciones se supone que es estable
- Justificación de la selección de criterios externos de las poblaciones para fines de
comparación y la interpretación de los datos
- La información relativa a la forma en que los datos del instrumento deben ser reportados y
se muestran
- '' puntos de referencia significativos para facilitar la interpretación de las puntuaciones
la carga de respuesta
- Indicaciones para: (a) la media y el rango del tiempo necesario para completar el
instrumento, (b) la lectura y el nivel de comprensión, y (c) cualquier requerimiento o
petición especial hecha del encuestado

Tabla 1. ( Continuado)
Atributo
7. modos Alternativas de administración
Estos incluyen el autoinforme, administrado por el entrevistador, entrenado calificación
observador, administrados-entrevistador asistida por ordenador,
medidas basadas en el rendimiento.
8. adaptaciones o traducciones culturales y de idioma
Implica dos pasos principales:
1. Evaluación de la equivalencia conceptual y lingüística
2. Evaluación de las propiedades de medición
* Para todas las entradas en esta columna, se espera que los desarrolladores para proporcionar de fi niciones, descripciones, explicaciones o información empírica.
- evaluar la salud de la población general en un punto en el
tiempo,
- la evaluación de la salud de las poblaciones especí fi cas en un punto en el
tiempo,
- la vigilancia de la salud de la población en general a través del tiempo,
- la vigilancia de la salud de las poblaciones especí fi cas con el tiempo,
- evaluar el impacto de las intervenciones o políticas a nivel
comunitario de base amplia o,
- la evaluación de la e fi cacia y e cacia y siguientes de las intervenciones
sanitarias,
- la realización de evaluaciones económicas de las intervenciones de salud,
- utilizando en programas de mejora y garantía de calidad de
calidad en los sistemas de atención de salud,
- la detección de las condiciones de salud,
- diagnóstico de las condiciones de salud,
- supervisar el estado de salud de los pacientes individuales.
Un instrumento que funciona bien para un fin o en un ajuste o de
la población no puede hacerlo cuando se aplica para otro propósito
o en otro
197
criterios de revisión
- La evidencia de que el instrumento no pone ninguna tensión física o emocional excesiva
para el encuestado
- Cuándo o en qué circunstancias el instrumento no es adecuado para los encuestados
Carga administrativa
- Información sobre los recursos necesarios para la administración del instrumento
- tiempo promedio y el rango de tiempo que se requiere de un entrevistador entrenado para
administrar el instrumento en entrevistas cara a cara, por teléfono, o con formatos asistida por
ordenador
- Cantidad de entrenamiento y el nivel de educación o experiencia profesional y la experiencia
necesaria para ff sta administrativa
- La evidencia sobre la confiabilidad, validez, capacidad de respuesta, la interpretabilidad, y la carga
para cada modo de administración
- Información sobre la comparabilidad de los modos alternativos
- Métodos para lograr la equivalencia conceptual
- Métodos para lograr equivalencia lingüística
- Cualquier fi significativo di ff erences entre las versiones originales y traducidos
- ¿Cómo se concilian inconsistencias
configuración o población. La importancia relativa de los ocho
atributos puede er di ff en función de los usos previstos y
aplicaciones especi fi ca para el instrumento. Los instrumentos
pueden, por ejemplo, documentar el estado de salud o actitudes de
los individuos en un punto en el tiempo, distinguir entre dos o más
grupos, evaluar el cambio con el tiempo entre los grupos o
individuos, predecir el estado futuro, o algunas combinaciones de
estos. Por lo tanto, el peso colocado en uno u otro conjunto de
criterios puede er di ff según los propósitos reivindicado para el
instrumento.
En la revisión de los instrumentos, el SAC destinada a ser exhaustiva
sin instrumentos a los estándares poco realistas sostiene. Por ejemplo,
aceptamos algunos instrumentos a pesar de que su capacidad de
respuesta a cambiar con el tiempo (atributo 4) no había sido evaluado en
el momento de la presentación. En un caso como este, queremos señalar
que el instrumento había sido aprobado para comparaciones de grupos,
pero que no se dispone de datos con respecto a la capacidad de
respuesta del instrumento. En otros casos, los desarrolladores pueden
proporcionar soporte para contenido y validez de constructo, pero no
criterio de validez porque los verdaderos estándares de oro a menudo no
están disponibles para la evaluación de este último. En aún otros casos,
la fiabilidad puede juzgarse su fi ciente
198
para comparar los grupos, pero no para la evaluación de los
individuos. En resumen, se correspondía con los criterios para usos
particulares reclamados por el instrumento y aceptadas instrumentos
para aplicaciones especí fi cos cuando la evaluación del instrumento
y su documentación apoyaron estas aplicaciones.
En el resto de este trabajo, presentamos nuestra de fi nición de los
atributos mencionados anteriormente y, a continuación damos a nuestros
actuales (es decir, ahora revisada) criterios de revisión. Los criterios son
o FF Ered en términos de nuestra visión de lo que los desarrolladores
instrumentos deben 'hacer' (por ejemplo, describir, proporcionar, o
discutir) en la documentación de las características de sus instrumentos,
por lo que el material parece en gran medida en forma de viñetas.
Destacamos aquí que nuestros fi niciones y criterios de están abiertos a
la discusión y la evolución en el campo de la evaluación del estado de
salud, y esperamos que se alienta a los expertos de todo el mundo a
participar en un diálogo sobre estos temas en los próximos años.
Modelo conceptual y medición
De fi nición
Un modelo conceptual es una justificación para y descripción de los
conceptos y de las poblaciones de que una medida está destinada
a evaluar y la relación entre esos conceptos. Un modelo de
medición pone en funcionamiento el modelo conceptual y se refleja
en la estructura de la escala y subescala de un instrumento y los
procedimientos seguidos para crear puntuaciones de la escala y
subescala. La adecuación del modelo de medición puede ser
evaluada mediante el examen de la evidencia de que: (1) una
escala mide un único dominio conceptual o construir; (2) múltiples
escalas miden dominios distintos; (3) la escala representa
adecuadamente la variabilidad en el dominio; y (4) el nivel
pretendido de medición de la escala (por ejemplo, ordinal, intervalo,
o ratio) y sus procedimientos de puntuación son justificado.
enfoques clásicos de teoría de ensayo puede emplear, por ejemplo,
análisis de componentes principales, análisis de los factores, y técnicas
relacionadas para evaluar el modelo de medición empírica subyacente
un instrumento y para el examen de dimensionalidad. Métodos basados
​en la teoría de prueba modernos pueden utilizar enfoques incluyendo el
análisis factorial confirmatoria con fi, modelos de ecuaciones
estructurales, y los métodos basados ​en la teoría de respuesta al ítem
(IRT).
criterios de revisión
Los desarrolladores deben:
- Estado lo amplio concepto (o conceptos) el instrumento está
tratando de medir - por ejemplo, funcional
estado, el bienestar, relacionada con la salud
calidad de vida, la calidad de vida, la satisfacción con la atención de salud,
u otros. Además, si el instrumento está diseñado para evaluar varios
dominios dentro de un concepto amplio (por ejemplo, múltiples escalas que
evalúan varias dimensiones de la calidad relacionada con la salud de la
vida), a continuación, proporcionar una lista de todos los dominios o
dimensiones.
- Describir la base conceptual y empírica para generar el contenido de
instrumento (por ejemplo, artículos) y para la combinación de varios
elementos en una puntuación única escala y / o puntuaciones de
múltiples escala.
- Indicarán los métodos y la participación de las poblaciones objetivo
de obtener el contenido fi nal del instrumento y para determinar la
adecuación del contenido del instrumento para que la población,
por ejemplo mediante el uso de grupos de enfoque o de las
pruebas preliminares de la población objetivo (s).
- Proporcionar información sobre la dimensionalidad y el carácter
distintivo de múltiples escalas, debido a que ambos enfoques pruebas
clásicas y modernas asumen dimensionalidad adecuada
(generalmente unidimensionalidad) de las escalas.
- Proporcionar evidencia de que la escala tiene una variabilidad
adecuada en un rango que es adecuada para su uso previsto -
por ejemplo, información sobre la tendencia central y dispersión,
asimetría, techo y suelo e fl eja ff, y el patrón de los datos que
faltan.
- Estado el nivel previsto de medición (por ejemplo, ordinal,
intervalo o escalas ratio) con evidencia de apoyo disponible.
- Describir la justificación y procedimientos para derivar
puntuaciones de la escala de puntuaciones brutas y para
transformaciones (tales como ponderación y normalización); para
medidas de preferencia ponderados o medidas de utilidad,
proporcionar un fundamento y la base empírica para los pesos.
Confiabilidad
De fi nición
El principal de definición de fiabilidad prueba es el grado en que un
instrumento está libre de error aleatorio. Los enfoques clásicos para
reconsiderar la prueba

responsabilidad incluyen (a) la fiabilidad de consistencia interna,
típicamente usando coe fi ciente de Cronbach una, y (b) la
reproducibilidad (por ejemplo, test-retest o fiabilidad entre
observadores (entrevistador)). El primer enfoque requiere una
administración del instrumento; este último requiere al menos dos
administraciones.
En las modernas aplicaciones de la teoría de la prueba, el grado
de precisión de la medición se expresa comúnmente en términos de
varianza del error, el error estándar de la media (ESM) (la raíz
cuadrada de la varianza del error), o la información de la prueba
(recíproco de la varianza del error). varianza del error (o cualquier
otra medida de precisión) toma valores ff Erent di al di ff puntos Erent
a lo largo de la escala.
La consistencia interna fiabilidad. En el enfoque clásico, coe fi ciente de
Cronbach una proporciona una estimación de fiabilidad basado en
todas las posibles correlaciones dividida medio de una escala
multi-ítem. Para los instrumentos que emplean opciones de respuesta
dicotómicas, una fórmula alternativa, la fórmula Kuder-Richardson 20
(KR-20), está disponible. normas mínimas comúnmente aceptadas
para coe fi cientes fiabilidad del Consejo de Europa son 0,70 para
comparaciones de grupos y 0.90-
0,95 para comparaciones individuales. requisitos de fiabilidad son mayores
cuando la aplicación de las puntuaciones de instrumentos para uso
individualizado porque con fi intervalos de confianza de las puntuaciones
se calculan típicamente en base a la SEM. La SEM se calcula como la
desviación estándar (SD) X 1-fiabilidad. coefi Fiabilidad Coe FFI inferiores a
0,9 hasta 0,95 proporcionan demasiado ancho (por ejemplo, más de una a
dos tercios de la distribución de puntuación) intervalos para ser útil para el
seguimiento de la puntuación del individuo.
En el enfoque de IRT, la precisión de medición se evalúa
generalmente en uno o más puntos en la escala. La precisión de la
escala debe caracterizarse por encima del rango de medición
probable que se encuentren en la investigación real. Un solo valor,
fiabilidad marginal, se puede estimar como un análogo a la clásica
fiabilidad coe fi ciente. Este valor es más útil para ensayos en los
que la precisión de medición es relativamente estable a través de la
escala.
Reproducibilidad. Un segundo enfoque para la fiabilidad se puede
obtener a juzgar la reproducibilidad o la estabilidad de un instrumento
en el tiempo (test-retest) y el acuerdo entre los calificadores en un
punto en el tiempo. En las aplicaciones clásicas, la estabilidad de un
instrumento a menudo se expresa como un valor único, pero IRT
199
solicitudes describen niveles fi específicas de estabilidad para los niveles de fi
cos de la escala. Al igual que con fiabilidad de consistencia interna, los
estándares mínimos para coeficientes de FFI reproducibilidad del Consejo de
Europa están también típicamente considerados como 0,70 para comparaciones
de grupos y 0,90-0,95 para mediciones individuales en el tiempo.
reproducibilidad Test-retest es el grado en que un instrumento
produce anota estables en el tiempo entre los encuestados que se
supone que no han cambiado en los dominios que se está evaluando. La
influencia de la administración de prueba en la segunda administración
puede sobrestimar la fiabilidad. Por el contrario, las variaciones en la
salud, el aprendizaje, la reacción, o regresión a la media pueden producir
datos de prueba-reprueba que subestimar la reproducibilidad. Sesgo y
estadísticas límites-de-acuerdo pueden indicar el intervalo dentro del
cual se puede esperar que el 95% de las puntuaciones retest para
mentir. A pesar de estas precauciones, la información sobre los datos de
reproducibilidad test-retest es importante para la evaluación del
instrumento. Para los instrumentos administrados por un entrevistador,
reproducibilidad test-retest se refiere típicamente a un acuerdo entre dos
o más observadores.
criterios de revisión
La consistencia interna fiabilidad y la información de la prueba. Los
desarrolladores deben:
- Describir claramente los métodos empleados para recoger los
datos de fiabilidad. Esto debe incluir (a) métodos de acumulación
de la muestra y tamaño de la muestra; (B) características de la
muestra (por ejemplo, sociodemográficos, características clínicas
si extrae de una población de pacientes, etc.); (C) las condiciones
de ensayo (por ejemplo, dónde y cómo se administró el
instrumento de interés); y (d) la estadística descriptiva para el
instrumento en estudio (por ejemplo, medios, SDS, se refleja ff oor
y el techo e).
- Para aplicaciones clásicas, las estimaciones informe de fiabilidad y
SES para todos los elementos de un instrumento,
incluyendo tanto la partitura y las puntuaciones totales
de la subescala, en su caso.
- Para aplicaciones de IRT, proporcionar una gráfica que muestra
el SEM sobre el rango de la escala. Además, la fiabilidad
marginal de cada escala se puede informar donde se considera
útil esta información.
- Donde los desarrolladores tienen razones para creer que las
estimaciones de la fiabilidad o SEM puede di ff er sustancialmente
para las diferentes poblaciones en las que un instrumento se va a
utilizar, estos datos presentes
200

para cada población de mayor interés (por ejemplo, diferentes pretende medir. La evidencia de la validez de un instrumento ha sido
poblaciones de enfermedades crónicas, el lenguaje di ff Erent o comúnmente clasi fi cada de tres maneras discutidos justo debajo.
grupos culturales). (Observamos que validación de una medida basada en la preferencia
tendrá que emplear construcciones relacionadas con las preferencias

Reproducibilidad. Los desarrolladores deben: per se, no se construye simplemente descriptivos, y éstos er lata di ff de

- Describir claramente los métodos empleados para recoger los datos los criterios establecidos a continuación de medidas nonutility).

de reproducibilidad. Esta descripción debe incluir (a) métodos de

acumulación de la muestra y tamaño de la muestra; (B)
características de la muestra (por ejemplo, sociodemográficos, 1. Contenido relacionado con: Evidencia de que el dominio de contenido

características clínicas si extrae de una población de pacientes, de un instrumento es adecuado en relación con su uso previsto. Los

etc.); (C) las condiciones de ensayo (por ejemplo, dónde y cómo se métodos utilizados comúnmente para obtener evidencia sobre la validez

administró el instrumento de interés); y (d) la estadística descriptiva relacionada con los contenidos incluyen el uso de la postura y del Panel

para el instrumento en estudio (por ejemplo, correlación intraclase de Expertos juicios (médico) de la claridad, amplitud, y la redundancia de

Coe fi ciente, característica operador receptor, el test-retest elementos y escalas de un instrumento. A menudo, el contenido de los

significan, límites de acuerdo, etc.). instrumentos de autoinforme de nuevo desarrollo se suscitó mejor de la
población que está siendo evaluado o experimentar el estado de salud.

- Proporcionar información reproducibilidad prueba-reprueba como un

complemento, y no como sustituto de, la consistencia interna. 2. Construir-relacionados: La evidencia de que es compatible con una
interpretación propuesta de las puntuaciones basadas en implicaciones

- Dar una razón argumentada para apoyar el diseño del estudio y el teóricas asociados con las construcciones que se mide. Los métodos más

intervalo entre la primera y subsiguientes administraciones para comunes para obtener datos relacionados con la validez de constructo

apoyar la hipótesis de que la población es estable. Esto puede incluyen el examen de las relaciones lógicas que deben existir con otras

incluir la auto-informe sobre el cambio percibido en la salud medidas y / o patrones de calificaciones de los grupos conocidos de di ff

durante el intervalo de tiempo u otras medidas de salud fi co er sobre las variables relevantes. Idealmente, los desarrolladores deben

general y específica o el estado funcional. Información sobre generar y probar hipótesis acerca de las relaciones lógicas fi cas entre los

resultados de las pruebas y repita la prueba debe incluir las conceptos o constructos relevantes.

tendencia central y dispersión de las medidas adecuadas tanto la

prueba y vuelva a probar las administraciones.
3. Criterio relacionados con: La evidencia de que muestra el grado en
que las puntuaciones del instrumento están relacionadas con una

- En las aplicaciones clásicas para instrumentos que proporcionen datos medida de criterio. medidas de criterio son medidas de la construcción

a nivel de intervalo, incluir información sobre Test- retest fiabilidad diana que son ampliamente aceptados como válidos a escala, medidas

(reproducibilidad) y entre los calificadores fiabilidad basado en de esa construcción. En el ámbito de la evaluación del estado de salud

coeficientes de FFI correlación coe intraclase (ICC, la estadística de auto-reporte, validez de criterio rara vez se probó a causa de la

sesgo o test-retest significan, o límites de acuerdo); para valores ausencia de medidas de criterio ampliamente aceptado, aunque se dan

nominales u ordinales escala, j y ponderado j, respectivamente, se excepciones como las pruebas de versiones más cortas de medidas

recomiendan. contra versiones más largas. Para la prueba de los instrumentos de

detección, la validez de criterio es esencial para comparar la medida de

- En las aplicaciones de IRT, también proporcionar información sobre la cribado contra una medida del criterio del diagnóstico o la afección de

comparabilidad de las estimaciones de los parámetros del artículo y en la que se trate, mediante la sensibilidad, especificidad, y la característica

precisión de medición sobre las administraciones repetidas. de funcionamiento del receptor.

Validez
Criterios de revisión
De fi nición Los desarrolladores deben:

La validez de un instrumento se define como el grado en el que el - Explicar la razón de que es compatible con la combinación particular de las
instrumento mide lo que se pruebas presentadas para los usos previstos.

- Proporcionar una descripción clara de los métodos empleados para
recopilar datos de validez. Esto debe incluir (a) métodos de
acumulación de la muestra y tamaño de la muestra; (B)
características de la muestra (por ejemplo, sociodemográficos,
características clínicas si extrae de una población de pacientes);
(C) las condiciones de prueba (es decir, dónde y cómo se
administró el instrumento de interés); y (d) la estadística descriptiva
para el instrumento en estudio (por ejemplo, medios, SDS, se
refleja ff oor y el techo e).
- Describir la composición de la muestra utilizada para examinar la
validez de una medida en su detalle fi ciente para dejar en claro
las poblaciones a las que el instrumento se aplica y los factores
selectivos que razonablemente se podría esperar que influyen en
la validez, como el género, la edad, la etnia y la lengua.
- Cuando existen razones para creer que er validez voluntad di ff
sustancialmente para las distintas poblaciones en las que un
instrumento se va a utilizar, presentar los datos anteriores para cada
población importante de interés (por ejemplo, di ff Erent poblaciones de
enfermedades crónicas, idioma o grupos culturales, grupos de edad di ff
Erent ). Debido a que las pruebas de validez y utilización de los
instrumentos principales están en curso, animamos a los
desarrolladores a seguir para presentar dichos datos a medida que ellos
se acumulan.
- Al presentar la validez de constructo, proporcionar las hipótesis
probadas y los datos relativos a las pruebas.
- Cuando se presentan los datos relativos a la validez de criterio,
proporcionar una justificación clara y el apoyo para la elección de las
medidas de criterios.
Sensibilidad
De fi nición
A veces se refiere como la sensibilidad al cambio, la capacidad de respuesta
se considera como una parte importante del proceso de validación de
constructo longitudinal. La capacidad de respuesta se refiere a la capacidad
de un instrumento para detectar el cambio. El criterio de la capacidad de
respuesta requiere preguntar si la medida puede detectar diferencias en los
resultados, incluso si esas erences di ff son pequeñas. La capacidad de
respuesta puede ser conceptualizada también como la relación de una señal
(el verdadero cambio con el tiempo que se ha producido) para el ruido (la
variabilidad en las puntuaciones visto con el tiempo que no está asociado con
el verdadero cambio en el estado).
La evaluación de la capacidad de respuesta implica la estimación estadística
de un e ff ect estadística de tamaño - es decir, una
201
estimación de una medida de la magnitud del cambio en el estado de
salud (a veces denota la 'distancia' o di ff rencia entre antes y después
de las puntuaciones). No existe ningún acuerdo o consenso en la
medida estadística preferido. E ff ect estadísticas del tamaño traducen
el antes y después de los cambios en una unidad de medida común;
esencialmente que implican la división de la puntuación de cambio por
uno u otro denominador varianza. (Dicho de otra manera, estas
estadísticas son la cantidad de cambio observado sobre la cantidad de
varianza observada.) En estas estadísticas, el numerador es siempre
una puntuación de cambio, pero el ERS ff denominador di dependiendo
de la estadística están utilizando (por ejemplo, la respuesta
normalizada significa, estadística de la capacidad de respuesta, SE de
la media).
Por otra parte, los métodos Erent di ff pueden usarse para evaluar e ff
tamaño ect. Enfoques comunes incluyen comparar puntuaciones de la
escala antes y después de una intervención que se espera que un ff ect del
constructo y compara la evolución de puntuaciones de la escala con los
cambios en otras medidas relacionadas, que se supone que se mueven en
la misma dirección que la medida de destino.
Capacidad de respuesta, ya que algunos autores han sugerido,
puede ser interpretado como un nivel 'significativo' del cambio y, en
consecuencia, definida como el cambio mínimo considerado como
importante por las personas con la condición de salud, sus
significaciones otros cativas, o sus proveedores. Sugerimos, sin
embargo, que esta connotación de respuesta podría ser mejor
considerada un elemento de cómo se interpretan los datos de un
instrumento. Interpretación de los ECTS ff e se discute en
Interpretabilidad. Esto incluye mínimamente importantes erences di ff o
cambios. Hacemos esta distinción en parte porque, a pesar de la
capacidad de respuesta y la interpretación son conceptos
relacionados, uno se centra en las características de rendimiento del
instrumento a la mano y la otra se centra en las opiniones de los
encuestados sobre los dominios están estudiando.
criterios de revisión
Los desarrolladores deben:
- Para cualquier reclamación de que un instrumento es sensible, presentar
pruebas sobre los cambios en las puntuaciones se encuentran en pruebas
de campo del instrumento. Además de esta información, las puntuaciones
de cambio también se pueden expresar como e ff ect tamaños medios de
respuesta estandarizadas, SEM, u otras medidas relativas o ajustados de
distancia entre antes y después de las puntuaciones. Los métodos y las
fórmulas utilizadas para calcular las estadísticas de respuesta deben ser
explicados.
202
- Preferiblemente, citar datos longitudinales que comparan un grupo
que se espera que cambie con un grupo que se espera que se
mantenga estable.
- Claramente identificar la población (s) en el que la capacidad de
respuesta ha sido probado, incluyendo los intervalos de tiempo de la
evaluación, las intervenciones o medidas implicados en la
evaluación de cambio, y las poblaciones supone que ser estable.
interpretabilidad
De fi nición
Interpretabilidad se define como el grado en el que se puede asignar
fácilmente entendido lo que significa que las puntuaciones
cuantitativas de un instrumento. Interpretabilidad de una medida se
ve facilitada por la información que traduce una puntuación
cuantitativa o cambio en las puntuaciones a una categoría u otra
medida cualitativa externa que tiene un significado más familiar.
Interpretabilidad pide explicación de las razones de la medida
externa, las puntuaciones de cambio, y las formas en que esos
resultados se han de interpretar en relación con la medida externa.
Existen varios tipos de información pueden ayudar en la interpretación de las
puntuaciones:
- datos comparativos sobre las distribuciones de las puntuaciones
derivadas de una variedad de grupos de población definida de,
incluyendo, cuando sea posible, una muestra representativa de la
población general;
- los resultados de un gran número de estudios que han utilizado el
instrumento en cuestión y los hallazgos reportados en ella, con lo
que la familiaridad con el instrumento que va a ayudar a la
interpretación;
- la relación de las puntuaciones a las condiciones clínicamente
reconocidos, necesidad de tratamientos específicos Fi, o intervenciones
de conocida e ff cacia;
- la relación de las puntuaciones o cambios en las puntuaciones a acontecimientos de la
vida socialmente reconocidas (como el impacto de la pérdida de un puesto de trabajo);
- la relación de las puntuaciones o cambios en las puntuaciones
subjetivas clasificaciones de los cambios importantes mínimamente
por las personas con la condición, sus significantes otros, o sus
proveedores; y
- así como las calificaciones de predecir eventos relevantes (conocida como la
muerte o necesidad de atención institucional).
criterios de revisión
Los desarrolladores deben:
- Claramente describir la justificación de la selección de criterios
externos o poblaciones con fines de
la comparación y la interpretación de los datos. Como con validez
(atributo 3), esto debe incluir (a) fundamento de la selección de
criterios externos o población de comparación; (B) métodos de
acumulación de la muestra y tamaño de la muestra; (B)
características de la muestra; (C) las condiciones de ensayo; y (d)
la estadística descriptiva para el instrumento en estudio
- Proporcionar información sobre las formas en que los datos del
instrumento debería ser (o haber sido) informó y se muestra con
el fin de facilitar la interpretación.
- Cite 'puntos de referencia' significativas (datos comparativos o
normativos) para facilitar la interpretación de las puntuaciones.
Carga
De fi nición
la carga de respuesta se define como el tiempo, e ff ORT, y otras
demandas colocado en aquellos a los que se administra el
instrumento. carga administrativa se define como las exigencias
sobre los que administran el instrumento.
criterios de revisión: la carga de respuesta
Los desarrolladores deben:
- Dar información sobre las propiedades siguientes: (1) la media y el
rango de tiempo necesario para completar
el instrumento sobre una base auto-administrados o, como
instrumento entrevistador-administrada, para todos los grupos de
población para la que está destinado el instrumento;
(2) el nivel de lectura y comprensión necesaria
para todos los grupos de población para la que está destinado el
instrumento;
(3) los requisitos o peticiones especiales que podrían
ser colocado en los encuestados, tales como la necesidad de consultar
los registros de atención de salud o copiar información sobre
medicamentos que se usan; y (4) la aceptabilidad del instrumento, por
ejemplo
indicando el nivel de los datos que faltan y las tasas de
rechazo y las razones de ambos.
- Para los instrumentos que no son, en la cara de ella, inofensivo y
para aquellos que parecen tener tasas excesivas de los datos que
faltan, proporcionar evidencia de que los lugares de instrumentos
sin tensión física o emocional indebida sobre el demandado (por
ejemplo, que no incluye preguntas que un fi minoría significativa
de pacientes Fi NDS demasiado molesto o confrontación).

- Indicar cuándo o bajo qué circunstancias, su instrumento no es
adecuado para los encuestados.
criterios de revisión: carga administrativa
Los desarrolladores deben proporcionar información acerca de los
recursos necesarios para la administración del instrumento, tales como la
necesidad de hardware de ordenador fi co especial o específica o
software para administrar, la puntuación, o analizar el instrumento.
Para los instrumentos administrado por un entrevistador, los desarrolladores
deben:
- Documentar el tiempo promedio y el rango de tiempo que se
requiere de un entrevistador entrenado para administrar el
instrumento en entrevistas cara a cara, por teléfono, o con
formatos asistida por ordenador / aplicaciones, según el caso;
- Indicar la cantidad de entrenamiento y el nivel de educación o
experiencia profesional y la experiencia necesaria para ff sta
administrativa para administrar, la puntuación, o de otra manera
utilizar el instrumento;
- Indicar la disponibilidad de instrucciones de puntuación.
Los modos alternativos de administración
De fi nición
modos alternativos de administración utilizados para el desarrollo y
aplicación de instrumentos puede incluir autoinforme, administrado
por un entrevistador, calificación observador entrenado, autoinforme
asistida por ordenador, las medidas basadas en el desempeño
administrado por un entrevistador, y asistidos por ordenador.
Además, los modos alternativos pueden incluir auto-administrarse o
versiones entrevistador-del instrumento fuente original que se van a
ser completado por los encuestados de proxy como los padres,
cónyuges, proveedores, u otros encuestados sustitutos.
criterios de revisión
Los desarrolladores deben:
- Hacer pruebas información disponible en la fiabilidad, validez,
capacidad de respuesta, la interpretabilidad, y la carga para
cada modo de administración;
- Proporcionar información sobre la comparabilidad de los modos
alternativos; siempre que sea posible, los estudios que equivale deben
llevarse a cabo de manera que las puntuaciones de los modos
alternativos pueden hacerse comparables entre sí o con las puntuaciones
a partir de un instrumento original.
203
adaptaciones o traducciones culturales y de idioma
De fi nición
Muchos instrumentos están adaptados o traducidos para las
aplicaciones a través de fronteras y poblaciones regionales y
nacionales. En el contexto ITV y SAC, adaptaciones culturales y
lingüísticas se han referido a las situaciones en que los
instrumentos han sido totalmente adaptadas de instrumentos
originales o de origen de las culturas o idiomas di ff Erent del
original. la adaptación lenguaje bien podría ser di ff erentiated de la
traducción. Como un ejemplo de ello: un instrumento desarrollado
en español o Inglés se puede adaptar para di ff Erent 'versiones'
(por ejemplo, dialectos del país o regionspeci fi c) de estos idiomas
básicos, mientras que un instrumento desarrollado en sueco y
traducido al francés o alemán sería muy una cuestión di ff Erent. En
todo caso,
La adaptación transcultural de un instrumento implica dos pasos
principales: (1) evaluación de la equivalencia conceptual y lingüística,
y (2) Evaluación de propiedades de medición. equivalencia conceptual
se refiere a la equivalencia en la relevancia y el significado de los
mismos conceptos que se está midiendo en los cultivos y / o lenguajes
Erent di ff. equivalencia lingüística se refiere a la equivalencia de
redacción de las preguntas y significado en la formulación de
artículos, las opciones de respuesta, y todos los aspectos del
instrumento y sus aplicaciones. En todos estos casos, es útil si los
desarrolladores proporcionan información empírica sobre cómo
funcionan los elementos en las culturas Erent di ff e idiomas.
criterios de revisión
Los desarrolladores deben:
- Describe métodos para lograr la equivalencia lingüística. Los pasos
comúnmente recomendadas son (a) al menos dos traducciones
hacia adelante de la lengua fuente que produce una traducción
hacia adelante agrupado; (B) al menos uno, preferiblemente más,
traducciones hacia atrás a la lengua de origen que resulta en otra
traducción agrupado; (C) una revisión de las versiones traducidas
por paneles y peritos con revisiones; y (d) las pruebas de campo
para proporcionar evidencia de la comparabilidad.
204
- Proporcionar información acerca de los métodos para lograr la
equivalencia conceptual entre o entre diferentes versiones de un
mismo instrumento. Para este paso, la evaluación de la validez
de contenido del instrumento en cada grupo cultural o lengua a
la que el instrumento se va a aplicar se recomienda
comúnmente. En una perspectiva transcultural, algunos
elementos de un instrumento dado puede muy bien la función di
ff erently en un idioma que en otro. Por lo tanto, IRT y el análisis
factorial confirmatoria con fi (utilizando enfoques SEM, por
ejemplo) se pueden usar para evaluar la equivalencia
intercultural a través del examen de di ff diferencial artículo
funcionamiento (DIF).
- Identificar y explicar cualquier fi significativo di ff erences entre
las versiones originales y traducidos.
- Explicar cómo se reconciliaron inconsistencias.
conclusiones
El interés internacional y apoyo para el estado de salud y la
evaluación de la calidad de vida en la investigación biomédica y
servicios de salud, la atención clínica, e incluso la formulación de
políticas de salud se están expandiendo rápidamente. Estos
acontecimientos se producen en un entorno con métodos tradicionales
y emergentes para la medición de resultados de la atención de salud,
y O ff er interesantes oportunidades para expandir este tipo de
aplicaciones y para mejorar la confianza con la que los clínicos, los
investigadores y los políticos pueden utilizar dichos instrumentos. No
obstante, el campo no debe proceder en demasiado de rueda libre de
una manera. Por lo tanto, O ff er estas de fi niciones de atributos y
criterios para juzgar los instrumentos en la firme esperanza de que el
campo va a utilizar como un lugar de partida y siguientes o de debate
y discusión acerca de los desafíos que tenemos por delante. Estos
desafíos incluyen el continuo refinamiento de medidas y el desarrollo
de medidas para cubrir lagunas claras relativas a poblaciones de
pacientes y grupos de enfermedades existentes; mejorar los
instrumentos para que sean más culturalmente apropiados y
comparables entre las diversas poblaciones; tratar con los erences di
ff y la comprensión de la complementariedad de instru-ment
desarrollado con marcos conceptuales di ff Erent; y la mejora de las
formas en que los resultados de tales instrumentos pueden ser
interpretados en términos ordinarios.
Expresiones de gratitud
Extendemos nuestro más profundo agradecimiento a Alvin Tarlov,
MD, presidente fundador de la Medical Outcomes Trust, para el
estímulo sin límites y el apoyo a la Scientific Comité Asesor (SAC) y
sus Orts ff e para desarrollar y promulgar criterios rigurosos para la
revisión de los instrumentos del estado de salud. Agradecemos
también a Les Lipkind, el Director Ejecutivo de ITV durante el
tiempo de preparación de este artículo, para el fondo y un apoyo a
la coordinación de la SAC. María Orlando, PhD, de la Rand
Corporation, Santa Mónica, California, ayudó con el desarrollo de
materiales que abarca la teoría moderna de prueba.
Agradecemos especialmente a las siguientes personas que
proporcionaron comentarios y sugerencias en una versión anterior
de estos criterios: Jacob Bjorner, IAM, Copenhague, Dinamarca;
John Brasero, PhD, Universidad de Ella FFI campo, Ella FFI
campo, Reino Unido; Yen-Pin Chiang, PhD, Agencia para la
Investigación y Calidad, Rockville, Maryland; Pennifer Erickson,
PhD, College Station, Pensilvania; Rowan Harwood, MA, MSc,
MD, MRCP (Reino Unido), Londres, Inglaterra; Ronald Hays, PhD,
Universidad de California en Los Angeles y la RAND Corporation,
Santa Mónica, California; y Cathy D. Sherbourne, PhD, la RAND
Corporation, Santa Mónica, California. Este reconocimiento de
interés y la asistencia por parte de los colaboradores no implica
necesariamente la aprobación de los criterios nales SAC fi.
Este trabajo (Lohr) fue apoyado en parte por el Centro para la
Educación y la Investigación en Terapéutica en la Universidad de
Carolina del Norte (Acuerdo de Cooperación No. U18 HS10397) y
la Universidad de Carolina del Norte Programa sobre la Salud.
Otras lecturas
1. LA Aday. Diseño y realización de encuestas de salud: Una guía completa. 2ª ed.,
San Francisco, Calif .: Jossey-Bass, 1996.
2. American Psychological Association. Normas para las pruebas educativas y
psicológicas. Washington, DC: APA,
1985.
3. Bland JM, Altman DG. Métodos estadísticos para la evaluación de acuerdo entre
dos métodos de medición clínica. The Lancet 1986; 1: 307-310.

4. Bjorner JB, Thunedborg K, Kristensen TS, Modvig J, Bech
La encuesta de salud P. danesa SF-36: Traducción y estudios preliminares de
validez. J Clin Epidemiol 1998; 51; 991-
999.
5. Bjorner JB, Kreiner S, Ware JE Jr., Damsgaard MT, Bech
P. Di ff elemento diferencial que funciona en la traducción danesa de la SF-36. J
Clin Epidemiol 1998; 51: 1189-1202.
6. Bowling A. Medición de la Salud: Una revisión de la calidad de vida escalas de
medición. Segunda edición, Londres:. Open University Press, 1997.
7. carmines E. La fiabilidad y la validez de Evaluación. Newbury Park, Calif .: Sage
Publications. 1997.
8. Cronbach LJ. Fundamentos de pruebas psicológicas. Cuarta edición, Nueva York:.
Harper and Row. 1984.
9. Cronbach LJ. Coe fi ciente alfa y la estructura interna de pruebas. Psychometrika
1951; 16: 297-334.
10. DeVellis R. Desarrollo a Escala: Teoría y Aplicaciones. Vol. 26. Aplicada Métodos
de Investigación Social de la serie. Newbury Park, Calif .: Sage Publications,
1991.
11. Hambleton RK, Swaminathan H, Rogers HJ. Fundamentos de la teoría de
respuesta al ítem. Newbury Park, Calif .: Sage Publications, 1991.
12. Lohr KN. Resultados de salud simposio metodología. Resumen y
recomendaciones. Medicina. Care 2000; 38 (9) (Suppl II.): II194-II208.
13. Señor FM, Norvick MR. Teorías estadísticas de resultados de pruebas mentales.
Lectura, Mass .: Addison-Wesley, 1968.
14. McDonald RP. Teoría de la prueba: Un tratamiento Uni fi cado. Mahwah, NJ:
Lawrence Erlbaum Associates, 1999.
15. McDowell I, Newell C. Medición de la Salud. Una guía para escalas de evaluación y
cuestionarios. Segunda edición, Nueva York:. Oxford University Press, 1996.
205
16. McHorney CA, Tarlov AR. monitoreo en cada paciente en la práctica clínica: ¿Son
las encuestas de salud disponibles adecuada? Qual vida Res 1995; 4: 293-307.
17. Nunnally JC, Bernstern IH. Teoría psicométrica. . 3ª edición, Nueva York:
McGraw-Hill, 1994.
18. Payne SL. El arte de hacer preguntas. Princeton, NJ: Princeton University Press,
1951.
19. Patrick DL, Chiang YP. (Eds) Resultados de salud simposio metodología. Care Med
2000; 38 (9) (Suppl II.): II3- II208.
20. Reise SP, Widaman KF, Pugh RH. Con fi teoría de análisis y respuesta del factor
elemento confirmatoria: Dos enfoques para la exploración de la invariancia de
medición. Psychol Bull 1993; 114: 552-566.
21. Staquet M, R Hays, Fayers P. Su valoración en los ensayos clínicos: Métodos y
Práctica. Nueva York: Oxford University Press, 1998.
22. Streiner DL, Norman GR. Salud escalas de medición. Segunda edición, Oxford:.
Oxford University Press, 1995.
23. Wainer H, Dorans NJ, Flaugher R, et al. Computarizado de pruebas de adaptación:
Una cartilla. Mahwah, NJ: Lawrence Erlbaum Associates, 1990.
24. Wilkin D, Hallam L, Doggett MA. Las medidas de la necesidad y Resultado de la
atención primaria. Nueva York: Oxford University Press, 1992.
Autor para la correspondencia: Kathleen N. Lohr, Ph.D., Director Científico, de
salud, sociales e Investigación Económica, RTI International, PO Box 12194, 3040
Cornwallis Road, Research Triangle Park, Carolina del Norte, EE.UU. 27709-2194
Teléfono: + 1-919-541 -6512; þ 1-919-541-7384 E-mail: klohr@rti.org